Kata Kunci : Rekayasa Perangkat Lunak, K-Means Clustering, Daerah panghasil pangan.
Berdasarkan hasil pengamatan peneliti terhadap sistem dalam BPS Kabupaten kediri bahwa kondisi saat ini BPS (Badan Pusat Statistik) hanya mampu menampilkan jenis tanaman, daerah produksi, luas panen, hasil produksi serta produktifitas hasil produksi per hektar atau data mentah secara manual, sehingga belum bisa melakukan pengolahan lebih lanjut agar bisa menjadi informasi yang maksimal. Permasalahan penelitian ini adalah bagaimana membangun sebuah sistem yang dapat digunakan untuk pengelompokkan data hasil produksi pangan dan proses perhitungan menggunakan metode K-means clustering. Penelitian ini menggunakan pendekatan kuantitatif dengan menerapkan konsep System Development Life Circle menggunakan metode Waterfall dimana metode ini merupakan model klasik yang sederhana dengan aliran sistem yang linier dimana Output dari setiap tahap merupakan Input bagi tahap berikutnya.
Dalam sistem ini K-Means clustering melakukan pengelompokan daerah-daerah penghasil produksi pangan berdasarkan nilai hasil panen (Jagung, Padi, Ubi) tiap daerah setiap tahunnya. Pengelompokan dilakukan dengan range nilai untuk kategori jagung dengan produksi rendah adalah 48321-95302 kwintal, sedang 117543-201195 kwintal, tinggi 289881-327788 kwintal, untuk kategori padi dengan produksi rendah adalah 10425-79828 kwintal, sedang 116895-187578 kwintal, tinggi 256980-335292 kwintal, dan untuk kategori ubi dengan produksi rendah adalah 0-92104 kwintal, sedang 107520-184960 kwintal, tinggi 531944-596480 kwintal. Berdasarkan simpulan hasil penelitian yang direkomendasikan bahwa aplikasi ini perlu adanya update database sehingga dapat menyesuaikan dengan hasil produksi pada tahun yang terbaru kemudian menyempurnakan beberapa fitur yang mungkin masih terdapat kekurang agar menjadi lebih baik.
Asroni. Adrian, R. 2015. Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang. Jurnal Ilmiah Semesta Teknika, (Online), 18 (1): 76-82 Tersedia: http://www.journal.umy.ac.id/article/index.php/st/article/download/708/85&ved=ahUKEwj0uNft3Y7 diunduh 6 Januari 2018
Azhari .I. Pengelompokan Golongan Ekonomi Masyarakat Di Desa Kertonegoro Kecamatan Jenggawah Dengan Menggunakan Algoritma K-Means. Sistem Bisnis Cerdas. (Online) 1-5, Tersedia http://www.digilib.unmuhjember.ac.id/download.php diunduh 3 maret 2017
BPS. 2016. Kabupaten Kediri Dalam Angka 2016. Kediri : Badan Pusat Statistik.
Budiarto, I.D.N 2017. Penerapan Metode K-Means Clustering dalam proses penilaian prestasi kerja pegawai negeri sipil. Simki Techsain, (Online) 1 (04): 2-7, Tersedia: http://www.simki.unpkediri.ac.id/Simki-Techsain diunduh 22 Januari 2018.
Fahamzah, A. 2017. K-Means clustering untuk klasterisasi kinerja Dosen Dalam Empat Kompetisi Dasar Berdasarkan Penilaian Mahasiswa. Simki Techsain, (Online) 1 (01): 2-7, Tersedia: http://www.simki.unpkediriac.id/Simki-Techsain diunduh 22 Januari 2018.
Han, Kamber. 2001. Data mining Concept and Techniques Secon Edition. San Frascisco: Morgan Kauffman.
Jogiyanto. 2005. Analisis dan Desain Sistem Informasi.Yogyakarta: Andi.
Kasih, P., Umam, M.K. 2015. Penentuan Lama Peminjaman Buku Berdasarkan Ketersediaan Buku Dengan Jumlah Peminjam Menggunakan Klasterisasi K-Mans. Seminar Teknologi Informasi Dan Komunikasi Terapan, (Online), 979-26-0280-1:165-168, Tersedia: http://www.academia.edu/26223387/Seminar-Nasional-Teknologi-Informaso-dan-Komunikasi-Terapan-SEMANTIK-2015 diunduh 22 Januari 2018.
Kurniawan. E., Fransiska .M., Tinaliah, Rachmansyah. 2014. Penerapan Algoritma K-Means Untuk Clustering Dokumen E-Jurnal STIMIK GI MDP. (Online) 1-9, Tersedia http://www.eprints.mdp.ac.id/1004/1.hasLightboxThumbnailVersion/27ernieJurnal%20Skripsi.pdf di akses 3 Januari 2018
Larose, Daniel. 2005. Discovery Knowledge in data. Canada: inc Publication
Lutfi, E. K., Kusrini. 2009. Algoritma Data Mining. Yogyakarta: Andi Yogyakarta
Prilianti, K. R., Wijaya, H. 2014. Aplikasi Text Mining untuk Automasi Penentuan Tren Topik Skripsi dengan Metode K-Means Clustering. Jurnal Cybermatika, (Online) 2 (1): 1-6, Tersedia: http://www.cybermatika.stei.itb.ac.id/article/view di akses 3 Januari 2018
Prasetyo, E. 2012. Data Mining Konsep dan Aplikasi Menggunakan Matlbab. Yogyakarta: Andi offset.
Rivani, E.2009. Aplikasi K-Means Clustering Untuk Pengelompokan Provinsi Berdasarkan Produksi Padi, Jagung, Kacang Hijau, Dan Kedelai Tahun 2009. Jurnal Mat Stat, (Online) 10 (02): 122-134, Tersedia: http://www.research-dashboard.binus.ac.id/Mats diunduh 6 Januari 2018
Sidik, Bertha 2012. Pemrograman Web PHP (Edisi Revisi). Informatika, Bandung.
Turban, E., Aronson, J.E., Liang, T.P. 2005, Introduction to Data Mining, Pearson.
Wahyu. P., Dara, W. 2017 Klasterisasi Daerah Pemasok Sampah Terbesar Ke TPA Klotok Di Kota Kediri Dengan Metode K-means Clustering. Simki Techsain, (Online) 1 (1): 1-8, Tersedia http://www.digilib.unpkediri.ac.id/mahasiswa/fileartikel/2017/11.1.03.03.0206.pdf&ved=2ahUKEwjLwaWD4I7Z di akses 3 Januari 2018
Yakub, 2012. Pengantar Sistem Informasi. Yogyakarta: Graha Ilmu.