KLASTERISASI KOMODITAS PANGAN BERDASARKAN STRUKTUR PENYEDIAAN DAN KETERGANTUNGAN IMPOR PADA NERACA BAHAN MAKANAN PROVINSI JAWA TIMUR TAHUN 2025 MENGGUNAKAN K-MEANS

Authors

  • Adinda Putri Rachmawati Program Studi Sains Data, Universitas Pembangunan Nasional “Veteran” Jawa Timur Author
  • Selvy Dwi Yulita Sari Program Studi Sains Data, Universitas Pembangunan Nasional “Veteran” Jawa Timur Author
  • Prismahardi Aji Riyantoko Program Studi Sains Data, Universitas Pembangunan Nasional “Veteran” Jawa Timur Author
  • Alfan Rizaldy Program Studi Sains Data, Universitas Pembangunan Nasional “Veteran” Jawa Timur Author

Keywords:

k-means; ketergantungan impor; ketersediaan pangan; klasterisasi; neraca bahan makanan

Abstract

Ketersediaan pangan merupakan aspek penting dalam ketahanan pangan daerah yang dipengaruhi oleh struktur penyediaan dan penggunaan pangan. Penelitian ini bertujuan mengelompokkan komoditas pangan berdasarkan struktur penyediaan dan ketergantungan impor menggunakan data Neraca Bahan Makanan (NBM) Provinsi Jawa Timur Tahun 2025. Metode yang digunakan adalah K-Means dengan lima indikator, yaitu rasio impor, rasio ekspor, rasio penggunaan untuk pakan, rasio penggunaan untuk pengolahan, dan ketersediaan pangan per kapita. Tahapan penelitian meliputi pembersihan data, pembentukan variabel, standardisasi, klasterisasi, dan evaluasi model. Sebanyak 134 komoditas menghasilkan tiga klaster. Klaster 1 memiliki rasio impor dan ekspor tertinggi, Klaster 2 memiliki rasio pengolahan dan ketersediaan per kapita tertinggi, sedangkan Klaster 3 memiliki anggota terbanyak dengan rasio impor relatif rendah. Nilai Silhouette Score sebesar 0,3735 menunjukkan pemisahan antarklaster belum optimal. Hasil penelitian memberikan gambaran karakteristik komoditas pangan sebagai informasi pendukung evaluasi ketersediaan pangan daerah. Penelitian selanjutnya disarankan menggunakan data beberapa tahun dan membandingkan metode klasterisasi lain.

References

Arpipi, M. Y. R. (2020). Eksplorasi penggunaan algoritma K-Means clustering untuk analisis tren harga komoditas wilayah Indonesia Timur. Jurnal Komputer dan Informatika, 15(2), 251–257.

Arthur, D., & Vassilvitskii, S. (2007). k-means++: The advantages of careful seeding. Proceedings of the Eighteenth Annual ACM-SIAM Symposium on Discrete Algorithms, 1027–1035.

Atasa, D., & Nugroho, T. W. (2021). Analisis ketersediaan pangan Kota Malang. Mimbar Agribisnis: Jurnal Pemikiran Masyarakat Ilmiah Berwawasan Agribisnis, 7(2), 1185–1194. https://doi.org/10.25157/ma.v7i2.5191

Atasa, D., Laily, D. W., & Wijayanti, P. D. (2022). Dinamika ketersediaan pangan dan alih fungsi lahan pertanian Kota Malang. Agrinika: Jurnal Agroteknologi dan Agribisnis, 6(1), 10–22. https://doi.org/10.30737/agrinika.v6i1.2171

Badan Pangan Nasional. (2024). Neraca bahan makanan Indonesia 2022–2024. https://data.badanpangan.go.id/statisticpublications/56w

Dahwanu, O., Abdillah, N., Akbar, N., & Alghifari, H. (2025). Klasterisasi keragaman jenis konsumsi pangan menggunakan algoritma K-Means dan implikasinya terhadap kebijakan daerah. J-ENSITEC (Journal of Engineering and Sustainable Technology), 12(1), 10293–10298. https://doi.org/10.31949/j-ensitec.v12i01.16079

Danasari, I. F., Sari, N. M. W., Septiadi, D., & Supartiningsih, N. L. S. (2023). Dependency on beef import to support food security in Indonesia. IOP Conference Series: Earth and Environmental Science, 1253(1), Article 012088. https://doi.org/10.1088/1755-1315/1253/1/012088

Hakim, D. L., Machalett, B., Suhendra, A., Arifin, S., Kurniawan, A., & Putra, M. G. (2026). Developing a comprehensive food availability vulnerability index (FAVI) to address food security challenges in the ASEAN region. Agriculture & Food Security, 15, Article 55. https://doi.org/10.1186/s40066-026-00627-7

Jain, A. K. (2010). Data clustering: 50 years beyond K-means. Pattern Recognition Letters, 31(8), 651–666. https://doi.org/10.1016/j.patrec.2009.09.011

Kristianto, A., Kastaman, R., Pujianto, T., & Setiasih, I. (2011). Kajian neraca bahan makanan dalam rangka penyusunan strategi dan kebijakan ketahanan pangan Kota Bandung hingga tahun 2020. Teknotan: Jurnal Industri Teknologi Pertanian, 5(2).

Mardianto, M. F. F., Siregar, N. R. A. A., Soewignjo, S., Putri, F. F. R., Prayogi, H., Imama, C., Amelia, D., Sediono, & Dewi, D. A. (2024). Time series clustering analysis for increases food commodity prices in Indonesia based on K-Means method. Journal of Human, Earth, and Future, 5(3), 319–329. https://doi.org/10.28991/HEF-2024-05-03-02

Muhammad, A. M., Napitupulu, D. M. T., & Suandi. (2022). Keterkaitan lahan pangan dengan neraca bahan makanan dan pola pangan harapan Kota Jambi. Jurnal Pembangunan Berkelanjutan, 5(1), 30–36. https://doi.org/10.22437/jpb.v5i1.18626

Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., VanderPlas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., & Duchesnay, É. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12(85), 2825–2830.

Priambodo, N. D. (2019). Analisis neraca bahan makanan Kota Kediri tahun 2018. Jurnal Agriovet, 1(2), 225–236.

Renaldi, E., & Pardian, P. (2024). Analisis neraca bahan makanan Kabupaten Garut tahun 2022. Mimbar Agribisnis: Jurnal Pemikiran Masyarakat Ilmiah Berwawasan Agribisnis, 10(2), 3292–3296. https://doi.org/10.25157/ma.v10i2.14746

Rousseeuw, P. J. (1987). Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics, 20, 53–65. https://doi.org/10.1016/0377-0427(87)90125-7

Sifriyani, Budiantara, I. N., Mardianto, M. F. F., Febriyani, E. R., Chairunnisa, N. R., & Putri, A. C. (2024). Implementation of data mining and spatial mapping in determining national food security clusterization. Jurnal Teori dan Aplikasi Matematika, 8(3), 800–810. https://doi.org/10.31764/jtam.v8i3.19912

Sumargo, E. G., & Handhayani, T. (2025). Analisis clustering harga pangan di pasar tradisional wilayah Kalimantan menggunakan algoritma K-Means dan Fuzzy C-Means. JATI (Jurnal Mahasiswa Teknik Informatika), 9(5). https://doi.org/10.36040/jati.v9i5.15135

Suryadi, J. (2024). Clustering ketidakcukupan konsumsi pangan per kabupaten/kota menggunakan algoritma K-Means dan Fuzzy C-Means. Jurnal Komputer dan Informatika, 19(1), 30–35.

Wahida, Perdana, R. P., Septanti, K. S., Suryana, E. A., Ulpah, A., Raharjo, A. S. S., Suharyono, S., & Yuliani, F. (2025). Dinamika tingkat kemandirian pangan: Implikasinya terhadap kebijakan ketahanan pangan nasional. Analisis Kebijakan Pertanian, 23(1), 37–55. https://doi.org/10.21082/akp.v23n1.2025.37-55

Downloads

Published

2026-11-19

How to Cite

KLASTERISASI KOMODITAS PANGAN BERDASARKAN STRUKTUR PENYEDIAAN DAN KETERGANTUNGAN IMPOR PADA NERACA BAHAN MAKANAN PROVINSI JAWA TIMUR TAHUN 2025 MENGGUNAKAN K-MEANS. (2026). Spektrum Akademika: Jurnal Multidisiplin, 1(2), 82-92. http://journal-edu.org/index.php/jsa/article/view/489