PENERAPAN METODE K-MEANS CLUSTERING UNTUK PENGELOMPOKKAN EFISIENSI PROSES PRODUKSI CRUDE PALM OIL (CPO)
DOI:
https://doi.org/10.54314/jssr.v8i4.4710Abstrak
Abstract: This study aims to apply the K-Means Clustering algorithm in a data mining approach to classify the production efficiency of Crude Palm Oil (CPO) at PT Asian Agri Tanah Datar. The data used consists of three main parameters: VM (Moisture), Dirt, and FFA (Free Fatty Acid), which serve as indicators of production quality and efficiency. The research uses a quantitative method with data analysis based on the K-Means algorithm. The process includes data preprocessing, determination of the optimal number of clusters using the Elbow Method, application of the K-Means algorithm, and evaluation of clustering results. The findings show that K-Means successfully grouped the production data into three efficiency categories: high, medium, and low, achieving convergence at the second iteration. The developed application, built using PHP and MySQL, effectively automates the clustering process from dataset input to displaying results in tabular form. The first cluster represents the highest efficiency group, while the third cluster indicates low efficiency requiring process improvement. Overall, the implementation of the K-Means Clustering method has proven to assist the company in analyzing and improving CPO production efficiency in a structured, fast, and data-driven manner.
Â
Keywords: K-Means Clustering, Data Mining, Production Efficiency, Crude Palm Oil, PHP, MySQL.
Â
Abstrak: Penelitian ini bertujuan untuk menerapkan metode data mining dengan algoritma K-Means Clustering dalam mengelompokkan data efisiensi proses produksi Crude Palm Oil (CPO) di PT Asian Agri Tanah Datar. Data yang digunakan meliputi tiga parameter utama yaitu VM (Moisture), Dirt, dan FFA (Free Fatty Acid) yang menjadi indikator kualitas dan efisiensi proses produksi. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan analisis data berbasis algoritma K-Means. Proses penelitian meliputi tahapan preprocessing data, penentuan jumlah cluster optimal menggunakan metode Elbow, penerapan algoritma K-Means, serta evaluasi hasil clustering. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan data produksi menjadi tiga kategori, yaitu efisiensi tinggi, sedang, dan rendah, dengan tingkat konvergensi tercapai pada iterasi kedua. Aplikasi berbasis PHP dan MySQL yang dikembangkan berhasil mengotomatisasi proses pengelompokan data, mulai dari input dataset hingga visualisasi hasil dalam bentuk tabel. Hasil akhir menunjukkan bahwa cluster pertama merupakan kelompok efisiensi tertinggi, sedangkan cluster ketiga menunjukkan efisiensi rendah yang memerlukan perbaikan proses produksi. Secara keseluruhan, penelitian ini menunjukkan bahwa penerapan metode K-Means Clustering dapat membantu pihak perusahaan dalam menganalisis dan meningkatkan efisiensi proses produksi CPO secara cepat, terstruktur, dan berbasis data.
Â
Kata kunci: K-Means Clustering, Data Mining, Efisiensi Produksi, Crude Palm Oil, PHP, MySQL.
Unduhan
Referensi
Ardiyanto, R., & Ardhianto, E. (2024). Analisa performasi metode client side rendering, server side rendering, dan incremental static regeneration dalam proses website rendering. Computer Science (CO-SCIENCE), 4(1), 19–27. https://doi.org/10.31294/coscience.v4i1.2427
Asra, T., Nur Khasanah, S., & Rikardo Nainggolan, E. (2023). Rancang bangun sistem informasi manajemen restoran berbasis web pada Warunk Upnormal. Reputasi: Jurnal Rekayasa Perangkat Lunak, 4(2), 110–119. https://doi.org/10.31294/reputasi.v4i2.2428
Bachtiar, L., & Yuliana. (2019). Implementasi metode K-Means clustering untuk identifikasi buah kelapa sawit berdasarkan tingkat kematangan. Jurnal Ilmiah Komputer, 19(2), 945–951.
Dirgantara, U., & Suryadarma, M. (2014). Perancangan sistem informasi land transportation assistance taxi Puskopau pada Bandara XYZ. Jurnal Sistem Informasi Universitas Suryadarma, 9(2). https://doi.org/10.35968/jsi.v9i2.918
Fajar, M., Adam, S., Putra, B., Puteri, S. I., Fajrissiddiq, A., & Sani, L. (2025, Mei 17). Eksplorasi dan analisis data mining untuk prediksi pola konsumen menggunakan teknik klasifikasi dan clustering. Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer (SENTIMETER), Universitas Nusa Putra.
Fu’adi, A., & Prianggono, A. (2022). Analisa dan perancangan sistem informasi akademik Akademi Komunitas Negeri Pacitan menggunakan diagram UML dan EER. Jurnal Ilmiah Teknologi Informasi Asia, 16(1), 45–54. https://doi.org/10.32815/jitika.v16i1.650
GarcÃa-Maza, S., Rojas-Flores, S., & González-Delgado, Ã. D. (2025). Technical insights into crude palm oil (CPO) production through water–energy–product (WEP) analysis. Sustainability, 17(10), 1–12. https://doi.org/10.3390/su17104485
Hasibuan, M., & Elhanafi, A. M. (2022). Penetration testing sistem jaringan komputer menggunakan Kali Linux untuk mengetahui kerentanan keamanan server dengan metode black box. Sudo Jurnal Teknik Informatika, 1(4), 171–177. https://doi.org/10.56211/sudo.v1i4.160
Jassim, M. A., & Abdulwahid, S. N. (2021). Data mining preparation: Process, techniques and major issues in data analysis. IOP Conference Series: Materials Science and Engineering, 1090(1), 012053. https://doi.org/10.1088/1757-899x/1090/1/012053
Maori, N. A., & Evanita. (2023). Metode elbow dalam optimasi pada K-Means clustering. Jurnal SIMETRIS, 14(2), 277–287.
Michael, M. S., Vande, H. V. N. S., & Andra, R. P. (2022). Clusterisasi perkebunan kelapa sawit berdasarkan luas area produksi dengan algoritma K-Means. Journal of Informatics and Advanced Computing (JIAC), 3(1), 23–29. https://doi.org/10.35814/jiac.v3i1.3660
Mubarok, R., Syahputra, A. A., Permana, A. T., Sholiah, L., & Tarwoto. (2025). Implementasi data mining untuk clustering lowongan pekerjaan menggunakan metode algoritma K-Means. Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), 9(2), 703–712. https://doi.org/10.35870/jtik.v9i2.3438
Mufida, E., Rahmawati, E., & Hertiana, H. (2019). Rancang bangun sistem informasi inventory pada salon kecantikan. Jurnal Mantik Penusa, 3(3), 99–102.
Murod, A., Hadiwiyanti, R., & Kartika, D. S. Y. (2024). Rancang bangun sistem informasi manajemen persediaan barang menggunakan framework Laravel (Studi kasus: PT Jazeera Inti Sukses). Jurnal Informatika dan Teknik Elektro Terapan, 12(3), 2210–2219. https://doi.org/10.23960/jitet.v12i3.4706
Omran, N., Sharaai, A. H., & Hashim, A. H. (2021). Visualization of the sustainability level of crude palm oil production: A life cycle approach. Sustainability, 13(4), 1–16. https://doi.org/10.3390/su13041607
Putra, S. E. N., & Furqan, M. (2024). Penerapan data mining dalam pengelompokan kualitas produk kelapa sawit menggunakan algoritma K-Means clustering. CESS (Journal of Computer Engineering, System and Science), 9(2), 766. https://doi.org/10.24114/cess.v9i2.61682
Putu, N., Merliana, E., & Santoso, A. J. (n.d.). Analisa penentuan jumlah cluster terbaik pada metode K-Means.
Rahman, F. K., Sanjaya, J. S., Handayani, L., & Insani, F. (2025). Penerapan algoritma K-Means clustering pada kinerja mesin screw press. Bulletin of Information Technology (BIT), 6(2), 59–70. https://doi.org/10.47065/bit.v5i2.1783
Ramadhani, I., & Megawati, M. (2023). Implementasi algoritma K-Means untuk klustering data produktivitas kelapa sawit. Indonesian Journal of Informatic Research and Software Engineering (IJIRSE), 3(1), 56–64. https://doi.org/10.57152/ijirse.v3i1.488
Ramdany, S. (2024). Penerapan UML class diagram dalam perancangan sistem informasi perpustakaan berbasis web. Journal of Industrial and Engineering System, 5(1). https://doi.org/10.31599/2e9afp31
Rohman, L. G., Alam, C. N., & Subaeki, B. (2025). Implementasi algoritma K-Means clustering untuk identifikasi lokasi strategis coffee shop. Bulletin of Computer Science Research, 5(4), 797–805. https://doi.org/10.47065/bulletincsr.v5i4.600
Rusvinasari, D., & Annisa, L. H. (2025). Klasterisasi pola penjualan menu makanan pada rumah makan menggunakan metode K-Means clustering. Jurnal Informatika: Jurnal Pengembangan IT, 10(2), 398–409. https://doi.org/10.30591/jpit.v10i2.8511
Salbiah, S., & Nasution, M. I. P. (2024). Analysis of data processing in management information systems. Jurnal Ilmiah Ekonomi dan Manajemen, 2(12), 1–12. https://doi.org/10.61722/jiem.v2i11.3017
Sari, D. A. P., Nikmah, M., & Sasongko, N. A. (2023). Life cycle assessment in the production process of crude palm oil (CPO) on palm oil plantation and mills. International Journal of GEOMATE, 25(111), 177–184. https://doi.org/10.21660/2023.111.s8616
Sari, K. (2025). Analisis dan perancangan sistem PT Mifandi Mandiri Digital. ResearchGate. https://www.researchgate.net/publication/393786565
Sari Siregar, Y., Sembiring, B. O., Rahayu, E., & Franchitika, R. (2024). Pemanfaatan aplikasi MySQL untuk membantu siswa SMK Swasta Nur Azizi dalam pengolahan data. JAPAMAS, 2024(2), 229–240. https://jurnal.unity-academy.sch.id/index.php/japamas
Septianto, M. A., Faqih, A., & Rinaldi, A. R. (2025). Klasterisasi data produksi pertanian di Kabupaten Cirebon dengan algoritma K-Means. Jurnal Informatika dan Teknik Elektro Terapan, 13(2). https://doi.org/10.23960/jitet.v13i2.6174
Silitonga, P., & Morina, I. S. (2018). Klusterisasi pola penyebaran penyakit pasien berdasarkan usia pasien dengan menggunakan K-Means clustering. Jurnal TIMES, 6(2), 22–25. https://doi.org/10.51351/jtm.6.2.2017584
Sulistiyawati, A., & Supriyanto, E. (2021). Implementasi algoritma K-Means clustering dalam penetuan siswa kelas unggulan. Jurnal Tekno Kompak, 15(2), 25. https://doi.org/10.33365/jtk.v15i2.1162
Syaiful Hasan Abdullah, & Fatah, Z. (2024). Analisis produksi cabai rawit Indonesia menggunakan algoritma K-Means clustering. Jurnal Ilmiah Sains Teknologi dan Informasi, 3(1), 66–74. https://doi.org/10.59024/jiti.v3i1.1024
Syaputra, D., & Sharipuddin, S. (2023). Sistem informasi produksi komoditas sawit pada PT Dharmasraya Palma Sejahtera. Jurnal Manajemen Sistem Informasi, 8(1), 152–166. https://doi.org/10.33998/jurnalmsi.2023.8.1.771
Wahyudi, J., Asbari, M., Sasono, I., Pramono, T., & Novitasari, D. (2022). Database management education in MySQL. Edumaspul: Jurnal Pendidikan, 6(2), 2413–2417. https://doi.org/10.33487/edumaspul.v6i2.4570
