<mods:mods version="3.3" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd" xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><mods:titleInfo><mods:title>PENERAPAN ALGORITMA PARTITIONING AROUND&#13;
MEDOIDS (PAM) DAN HIERARCHICAL CLUSTERING&#13;
DALAM PENGELOMPOKKAN WILAYAH PRODUKSI&#13;
KOMODITAS TANAMAN PANGAN DI INDONESIA</mods:title></mods:titleInfo><mods:name type="personal"><mods:namePart type="given">Hery</mods:namePart><mods:namePart type="family">Priandoko</mods:namePart><mods:role><mods:roleTerm type="text">author</mods:roleTerm></mods:role></mods:name><mods:abstract>Indonesia terdiri dari beberapa wilayah yang memiliki pontensi dalam&#13;
pemenuhan kebutuhan pangan. Salah satu sektor utama dalam pemenuhan&#13;
kebutuhan pangan adalah sektor pertanian. Sektor pertanian merupakan sektor&#13;
yang perlu mendapatkan perhatian yang cukup besar dari pemerintah pusat dan&#13;
daerah dalam pemenuhan kebutuhan pangan nasional. Kebutuhan pangan pada&#13;
saat ini sering mengalami kelangkaan sehingga masyarakat menjadi sulit untuk&#13;
mendapatkan kebutuhan pangan tersebut. Masalah ketergantungan akan&#13;
kebutuhan pangan dapat membahayakan ketersediaan pasokan pangan negara. Di&#13;
Indonesia terdapat wilayah yang memiliki produksi komoditas tanaman pangan&#13;
sehingga dapat membantu dalam ketersedian kebutuhan pangan. Dari&#13;
permasalahan yang ada, peneliti mencoba melakukan penelitian dengan&#13;
melakukan pengelompokkan terhadap wilayah yang ada di Indonesia khususnya&#13;
di Provinsi Jawa Timur, Jawa Tengah dan Jawa Barat untuk mengetahui wilayah&#13;
mana yang memiliki produksi komoditas tanaman pangan.&#13;
Penelitian ini, pengelompokkan wilayah di Indonesia khususnya di&#13;
Provinsi Jawa Timur, Jawa Tengah dan Jawa Barat yang memiliki produksi&#13;
komoditas tanaman pangan akan menggunakan metode PAM dan HC. Metode&#13;
HC yang akan digunakan adalah metode agglomerative cluster dengan metode&#13;
linkage, seperti single, complete dan average linkage. Hasil pengelompokkan pada&#13;
penelitian ini kemudian akan dianalisa untuk menentukan metode linkage yang&#13;
terbaik dan berapa cluster yang sebaiknya dibentuk menggunakan nilai silhouette&#13;
score.&#13;
Berdasarkan hasil penelitian, dengan menggunakan metode PAM dan&#13;
metode HC diperoleh nilai silhouette yang sama sebesar 0.9083 dan jumlah&#13;
cluster (k) optimal k = 2. Baik metode PAM dan HC memiliki jumlah anggota&#13;
cluster yang sama. Cluster 1 terdiri dari 98 kabupaten / kota, cluster 2 terdiri dari&#13;
2 kabupaten / kota.</mods:abstract><mods:classification authority="lcc">000 Ilmu komputer, informasi dan pekerjaan umum</mods:classification><mods:classification authority="lcc">005 Pemrograman komputer, program dan data</mods:classification><mods:originInfo><mods:dateIssued encoding="iso8061">2025-06-10</mods:dateIssued></mods:originInfo><mods:originInfo><mods:publisher>Universitas AMIKOM Yogyakarta;Pascasarjana Magister Informatika</mods:publisher></mods:originInfo><mods:genre>Thesis</mods:genre></mods:mods>