Analisis Ekspor Kopi Menggunakan Clustering K-Means dan Davies-Bouldin Index

Fenny Irawati, Angelika Pratiwi Widya Nugroho, Arief Wibowo

Abstract


Indonesia merupakan salah satu produsen kopi terbesar di dunia, sehingga sektor ekspor menjadi pilar penting dalam perekonomian nasional. Aktivitas ekspor berperan dalam meningkatkan keuntungan, memperluas pangsa pasar, serta menjaga kestabilan harga komoditas dan nilai tukar. Penelitian ini mengkaji penerapan metode K-Means Clustering untuk menganalisis kinerja ekspor kopi berdasarkan negara tujuan. Data penelitian diperoleh dari catatan ekspor perusahaan Café Coffee pada periode 2023–2024, mencakup 40 negara tujuan beserta total kuantitas ekspor. Pengolahan data dilakukan melalui teknik data mining clustering dengan ukuran jarak Euclidean Distance. Hasil analisis menunjukkan bahwa algoritma K-Means berhasil mengelompokkan laba ekspor ke dalam tiga kategori, yaitu laba rendah, sedang, dan tinggi. Validasi model dilakukan menggunakan Davies-Bouldin Index (DBI) dengan nilai 0,422, yang mengindikasikan kualitas klaster yang baik dan dapat diterima.

Keywords


Klasterisasi; Data Mining; K-Means; Davies-Bouldin Index; Segmentasi Pasar

Full Text:

PDF

References


D. Asmaya, B. Irawan, and A. Bahtiar, “Optimalisasi Penjualan Produk Melalui Analisis Data Dan Pengelompokan Produk,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 4336–4343, 2024, doi: 10.36040/jati.v8i3.9805.

R. Hidayat and H. Kusniyati, “Analisis Clustering Dalam Pengelompokan Penjualan Menggunakan Algoritma K-Means Pada Cafe 47°Coffee,” CESS (Journal Comput. Eng. Syst. Sci. Comput. Eng. Syst. Sci., vol. 7, no. 2, pp. 420–434, 2022, [Online]. Available: www.jurnal.unimed.ac.id

K. Dbscan and Y. Hasan, “Pengukuran Silhouette Score dan Davies-Bouldin Index pada Hasil Cluster K-Means dan Dbscan,” KAKIFIKOM (Kumpulan Artik. Karya Ilm. Fak. Ilmu Komputer), vol. 06, no. 01, pp. 60–74, 2024.

F. Ros, R. Riad, and S. Guillaume, “Neurocomputing PDBI : A partitioning Davies-Bouldin index for clustering evaluation,” vol. 528, pp. 178–199, 2023, doi: 10.1016/j.neucom.2023.01.043.

W. Alfian, Kusrini, and T. Hidayat, “Analisis Clustering Pegawai Berdasarkan Tingkat Kedisiplinan Menggunakan Algoritma K-Means dan Davies-Bouldin Index,” J. Electr. Eng. Comput., vol. 6, no. 2, pp. 437–448, 2024, doi: 10.33650/jeecom.v6i2.9556.

F. M. Anto, L. S. Abimanyu, and T. Herdi, “Penerapan Algoritma Naïve Bayes Dengan Feature Selection Pada Data Penjualan Konstruksi,” J. Ilm. FIFO, vol. 15, no. 2, p. 102, 2024, doi: 10.22441/fifo.2023.v15i2.002.

Y. Jumaryadi, R. Fajriah, U. Salamah, B. Priambodo, and A. Lystha, “Machine Learning Approaches to Sentiment Analysis of Mental Health Discussions on Platform X,” PIKSEL Penelit. Ilmu Komput. Sist. Embed. Log., vol. 13, no. 2, pp. 235–246, 2025, doi: 10.33558/piksel.v13i2.11350.

J. Han, M. Kamber, and J. Pei, Data Mining Concepts and Techniques. Elsevier Inc, 2012.

T. Li, Y. Ma, and T. Endoh, “Normalization-based validity index of adaptive K-means clustering for multi-solution application,” IEEE Access, vol. 8, pp. 9403–9419, 2020, doi: 10.1109/ACCESS.2020.2964763.

Y. E. Praptiningsih, W. W. Ariestya, I. Astuti, and S. Nurulita, “Data Mining untuk Klasifikasi Diagnosa Kanker Payudara Dengan Menerapkan Algoritma C4.5,” J. Ilm. FIFO, vol. 15, no. 1, p. 37, 2023, doi: 10.22441/fifo.2023.v15i1.005.

K. Dong, I. Romanov, C. McLellan, and A. F. Esen, “Recent text-based research and applications in railways: A critical review and future trends,” Eng. Appl. Artif. Intell., vol. 116, no. April, p. 105435, 2022, doi: 10.1016/j.engappai.2022.105435.

- Arientawati, Y. Jumaryadi, and A. Wibowo, “Analisis Pengelompokan Gangguan TIK Pada Sistem Pencatatan Layanan Menggunakan Algoritma K-Means dan Metode Elbow,” Techno.COM, vol. 22, no. 2, pp. 348–357, 2023.

I. T. R. Yanto, R. Setiyowati, N. Azizah, and Rasyidah, “A framework of mutual information kullback-leibler divergence based for clustering categorical data,” Int. J. Informatics Vis., vol. 5, no. 1, pp. 11–15, 2021, doi: 10.30630/joiv.5.1.462.

N. Shalsadilla, S. Martha, H. Perdana, N. Satyahadewi, and E. Sulistianingsih, “Penentuan Jumlah Cluster Optimum Menggunakan Davies Bouldin Index dalam Pengelompokan Wilayah Kemiskinan di Indonesia,” Statistika, vol. 23, no. 1, pp. 63–72, 2023.

M. Mughnyanti, S. Efendi, and M. Zarlis, “Analysis of determining centroid clustering x-means algorithm with davies-bouldin index evaluation,” IOP Conf. Ser. Mater. Sci. Eng., vol. 725, no. 1, 2020, doi: 10.1088/1757-899X/725/1/012128.

T. L. Putri et al., “Penerapan data mining pada clustering data harga rumah dki jakarta menggunakan algoritmak-means,” vol. 8, no. 1, pp. 1174–1179, 2024.

U. Herdira and D. B. Hakim, “Factors Affecting the Volume of Indonesian Coffee Export to The International Market,” Int. J. Sci. Res. Sci. Eng. Technol., vol. 4099, pp. 348–354, 2021, doi: 10.32628/ijsrset218367.

V. D. Permana, M. Patiung, and N. S. Wisnujati, “A Comprehensive Analysis of Indonesia’s Coffee Exports to the Global Market from 1991 to 2021,” Sci. J. Multi Discip. Sci., vol. 03, no. 2, pp. 89–99, 2024.

A. D. Aprianto and D. Ramayanti, “Penggunaan Klasifikasi Objek dalam Aplikasi Android untuk Melestarikan Kuliner Khas Indonesia,” J. Ilm. FIFO, vol. 16, no. 1, p. 25, 2024, doi: 10.22441/fifo.2024.v16i1.003.




DOI: http://dx.doi.org/10.22441/fifo.2025.v17i2.006

Refbacks

  • There are currently no refbacks.



Jurnal Ilmiah FIFO

Fakultas Ilmu Komputer Universitas Mercu Buana
Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650
Tlp./Fax: +62215871335
p-ISSN: 2085-4315
e-ISSN: 2502-8332
http://publikasi.mercubuana.ac.id/index.php/fifo

e-mail:[email protected]

Creative Commons Licence
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Web Analytics Made Easy - StatCounter

View My Stats