{
      "divisions": [
        "PJJ"
      ],
      "full_text_status": "public",
      "dir": "disk0\/00\/03\/17\/89",
      "documents": [
          {
            "language": "id",
            "files": [
                {
                  "hash_type": "MD5",
                  "filename": "22.55.1204 - Hery Priandoko.pdf",
                  "datasetid": "document",
                  "hash": "d93ce0054082eafd3613e52e84aa6c20",
                  "mtime": "2026-06-29 04:16:49",
                  "mime_type": "application\/pdf",
                  "filesize": 4432644,
                  "objectid": 319572,
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1131467",
                  "fileid": 1131467
                }
            ],
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/319572",
            "security": "public",
            "docid": 319572,
            "placement": 1,
            "format": "text",
            "main": "22.55.1204 - Hery Priandoko.pdf",
            "rev_number": 2,
            "mime_type": "application\/pdf",
            "eprintid": 31789,
            "pos": 1,
            "formatdesc": "THESIS",
            "content": "published"
          }
      ],
      "contributors": [
        {
          "name": {
            "given": "Alva Hendi",
            "lineage": null,
            "family": "Muhammad",
            "honourific": null
          }
        }
      ],
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ],
      "datestamp": "2026-06-29 04:21:46",
      "thesis_name": "tesis",
      "subjects": [
        "000.000.000A",
        "000.000.005"
      ],
      "institution": "Universitas AMIKOM Yogyakarta",
      "status_changed": "2026-06-29 04:21:46",
      "eprintid": 31789,
      "keywords": "Medoids, Cluster, Hierarchical, PAM, Pangan, Food.",
      "metadata_visibility": "show",
      "department": "Pascasarjana Magister Informatika",
      "date": "2025-06-10",
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/31789",
      "creators": [
        {
          "name": {
            "family": "Priandoko",
            "honourific": null,
            "given": "Hery",
            "lineage": null
          },
          "nim": "22.55.1204"
        }
      ],
      "date_type": "published",
      "userid": 12,
      "type": "thesis",
      "rev_number": 9,
      "title": "PENERAPAN ALGORITMA PARTITIONING AROUND\r\nMEDOIDS (PAM) DAN HIERARCHICAL CLUSTERING\r\nDALAM PENGELOMPOKKAN WILAYAH PRODUKSI\r\nKOMODITAS TANAMAN PANGAN DI INDONESIA",
      "ispublished": "pub",
      "abstract": "Indonesia terdiri dari beberapa wilayah yang memiliki pontensi dalam\r\npemenuhan kebutuhan pangan. Salah satu sektor utama dalam pemenuhan\r\nkebutuhan pangan adalah sektor pertanian. Sektor pertanian merupakan sektor\r\nyang perlu mendapatkan perhatian yang cukup besar dari pemerintah pusat dan\r\ndaerah dalam pemenuhan kebutuhan pangan nasional. Kebutuhan pangan pada\r\nsaat ini sering mengalami kelangkaan sehingga masyarakat menjadi sulit untuk\r\nmendapatkan kebutuhan pangan tersebut. Masalah ketergantungan akan\r\nkebutuhan pangan dapat membahayakan ketersediaan pasokan pangan negara. Di\r\nIndonesia terdapat wilayah yang memiliki produksi komoditas tanaman pangan\r\nsehingga dapat membantu dalam ketersedian kebutuhan pangan. Dari\r\npermasalahan yang ada, peneliti mencoba melakukan penelitian dengan\r\nmelakukan pengelompokkan terhadap wilayah yang ada di Indonesia khususnya\r\ndi Provinsi Jawa Timur, Jawa Tengah dan Jawa Barat untuk mengetahui wilayah\r\nmana yang memiliki produksi komoditas tanaman pangan.\r\nPenelitian ini, pengelompokkan wilayah di Indonesia khususnya di\r\nProvinsi Jawa Timur, Jawa Tengah dan Jawa Barat yang memiliki produksi\r\nkomoditas tanaman pangan akan menggunakan metode PAM dan HC. Metode\r\nHC yang akan digunakan adalah metode agglomerative cluster dengan metode\r\nlinkage, seperti single, complete dan average linkage. Hasil pengelompokkan pada\r\npenelitian ini kemudian akan dianalisa untuk menentukan metode linkage yang\r\nterbaik dan berapa cluster yang sebaiknya dibentuk menggunakan nilai silhouette\r\nscore.\r\nBerdasarkan hasil penelitian, dengan menggunakan metode PAM dan\r\nmetode HC diperoleh nilai silhouette yang sama sebesar 0.9083 dan jumlah\r\ncluster (k) optimal k = 2. Baik metode PAM dan HC memiliki jumlah anggota\r\ncluster yang sama. Cluster 1 terdiri dari 98 kabupaten \/ kota, cluster 2 terdiri dari\r\n2 kabupaten \/ kota.",
      "eprint_status": "archive",
      "lastmod": "2026-06-29 06:36:24",
      "thesis_type": "masters"
    }