Search Result  ::  Save as CSV :: Back

"Per 9 Februari 2023, 87% dari total populasi kendaraan pribadi di Indonesia merupakan sepeda motor. Persebaran sepeda motor terpadat di Indonesia berada di Pulau Jawa dengan persentase sebesar 60%. Tingginya populasi sepeda motor dan fakta bahwa 80% rumah tangga di Pulau Jawa sudah memiliki sepeda motor membuat pasar sepeda motor semakin mengecil. Dalam jangka panjang, kondisi ini dapat berdampak buruk bagi industri sepeda motor yang terus ingin berkembang. Penelitian ini membahas tentang pengelompokan kabupaten dan kota di Pulau Jawa berdasarkan karakteristik demografinya. Kemudian, diberikan saran keputusan yang dapat dilakukan oleh industri sepeda motor berdasarkan kelompok kabupaten dan kota yang terbentuk menggunakan teknik clustering. Hal ini bertujuan agar produsen yang bergerak di industri sepeda motor dapat memfokuskan produknya pada kelompok kabupaten dan kota yang memiliki potensi terbaik. Terdapat 12 variabel demografi yang digunakan dalam penelitian ini, dan variabel tersebut terbagi menjadi tiga kategori: kondisi ekonomi masyarakat, kondisi kehidupan masyarakat, dan kondisi demografis daerah. Metode yang digunakan dalam penelitian ini adalah metode partitional hard clustering. Sebelumnya, dilakukan pembuatan dataset melalui proses data scrapping pada situs terpercaya, dan dilanjutkan dengan proses Exploratory Data Analysis (EDA) pada dataset. Setelah dataset terbentuk, dilakukan pengelompokan dengan metode partitional hard clustering yang terdiri dari metode K-Means Clustering dan metode K-Medoids Clustering. Kemudian, dilakukan evaluasi cluster untuk menentukan metode clustering yang paling sesuai dengan menggunakan empat metrik evaluasi yaitu Indeks Silhouette, Indeks Dunn, Indeks Davies Bouldin, dan Indeks Calinski Harabasz. Didapatkan hasil bahwa metode K-Medoids Clustering dengan 5 kelompok merupakan yang terbaik untuk mengelompokkan kabupaten dan kota di Pulau Jawa. Setelah kelompok terbentuk, setiap kelompok diberikan rekomendasi keputusan yang sebaiknya diambil oleh industri sepeda motor. Terdapat 4 rekomendasi yang dapat diberikan, yaitu distribusi suku cadang, pembuatan bengkel, penjualan sepeda motor kelas menengah ke atas, dan penjualan sepeda motor kelas menengah ke bawah.

---

As of February 9, 2023, 87% of the total population of private vehicles in Indonesia consists of motorcycles. The densest distribution of motorcycles in Indonesia is found on the Island of Java, with a percentage of 60%. The high population of motorcycles and the fact that 80% of households in Java already have motorcycles are causing the motorcycle market to shrink. In the long run, this condition can have negative impacts on the motorcycle industry that continues to seek growth. This research focuses on the clustering of regencies and cities in Java based on their demographic characteristics. Subsequently, decision recommendations will be provided for the motorcycle industry based on the formed groups using clustering techniques. The aim is to enable manufacturers in the motorcycle industry to focus their products on regencies and cities with the best potential. There are 12 demographic variables used in this research, divided into three categories: the economic conditions of society, the living conditions of society, and the demographic conditions of the region. The method used in this research is the partitional hard clustering method. Firstly, a dataset is created through the data scraping process on trusted sites, followed by the Exploratory Data Analysis (EDA) process on the dataset. Once the dataset is formed, clustering is performed using the partitional hard clustering method, consisting of the K-Means Clustering and K-Medoids Clustering methods. Subsequently, cluster evaluation is carried out to determine the most suitable clustering method using four evaluation metrics: Silhouette Index, Dunn Index, Davies Bouldin Index, and Calinski Harabasz Index. The results show that the K-Medoids Clustering method with 5 clusters is the best for grouping regencies and cities in Java. After the groups are formed, each group is given decision recommendations that the motorcycle industry should consider. There are four recommendations: spare parts distribution, workshop establishment, sales of mid- to high-end motorcycles, and sales of mid-range motorcycles and below."

"Indonesia merupakan produsen utama minyak kelapa sawit di dunia sekaligus penyumbang devisa terbesar dari sektor perkebunan. Namun demikian, produktivitas kelapa sawit nasional menunjukkan tren penurunan, meskipun luas areal tanam terus meningkat setiap tahunnya. Penurunan ini disebabkan oleh berbagai faktor, seperti tingginya proporsi pohon tua yang belum diremajakan, rendahnya efektivitas program replanting terutama di perkebunan rakyat, terbatasnya akses petani terhadap benih unggul dan teknologi modern, serta masih maraknya peredaran benih palsu. Penelitian ini bertujuan untuk mengelompokkan provinsi-provinsi penghasil kelapa sawit berdasarkan karakteristik produktivitas dan luas tanaman menghasilkan (TM), guna memberikan dasar bagi rekomendasi kebijakan yang lebih tepat sasaran. Metode yang digunakan adalah Hierarchical Clustering dengan jumlah klaster (k) = 2, yang dipilih karena memberikan struktur klaster yang terpisah dengan baik dan mudah divisualisasikan. Metode ini dibandingkan dengan K-Means Clustering dan divalidasi melalui pengukuran validitas internal (Silhouette Score = 0,298; Calinski-Harabasz Index = 9,105; Davies-Bouldin Index = 1,477; dan Dunn Index = 0,457) serta validitas eksternal (Adjusted Rand Index = 0,419; F-value = 60,64; dan p-value = 5,07e-08). Hasil validasi menunjukkan klaster yang terbentuk cukup representatif dan stabil. Hasil klasterisasi menghasilkan dua kelompok utama, yaitu Klaster 1 berlabel “Kebun Kurang Produktif dan Tidak Stabil” dan Klaster 2 berlabel “Kebun Produktif dan Efisien”. Klaster 1 terdiri dari provinsi-provinsi yang didominasi oleh perkebunan rakyat dengan produktivitas rendah, fluktuasi hasil panen tinggi, dan tren pertumbuhan negatif. Klaster ini juga menunjukkan keterbatasan luas tanaman menghasilkan serta nilai UMR yang lebih rendah dari rata-rata nasional. Sebaliknya, Klaster 2 terdiri dari wilayah dengan produktivitas tinggi dan stabil, didukung oleh pengelolaan kebun yang efisien dan akses terhadap teknologi yang memadai. Berdasarkan hasil tersebut, penelitian ini merekomendasikan intervensi kebijakan khusus untuk Klaster 1, di antaranya percepatan program replanting, penguatan akses terhadap benih unggul dan teknologi pertanian, serta peningkatan kapasitas manajemen kebun dan sumber daya manusia (SDM). Penelitian ini diharapkan dapat memberikan kontribusi terhadap strategi pengembangan sektor kelapa sawit nasional melalui pendekatan kebijakan berbasis data.

---

Indonesia is the world's leading producer of palm oil and the largest contributor to foreign exchange earnings from the plantation sector. However, national palm oil productivity is showing a downward trend, even though the area under cultivation continues to increase every year. This decline is attributed to various factors, including a high proportion of old trees that have not been replanted, low effectiveness of replanting programs, particularly in smallholder plantations, limited access for farmers to high-quality seeds and modern technology, and the widespread circulation of counterfeit seeds. This study aims to group palm oil-producing provinces based on productivity characteristics and productive area (PA) to provide a basis for more targeted policy recommendations. The method used is Hierarchical Clustering with the number of clusters (k) = 2, chosen because it provides a well-separated cluster structure that is easy to visualize. This method was compared with K-Means Clustering and validated through internal validity measurements (Silhouette Score = 0.298; Calinski-Harabasz Index = 9.105; Davies-Bouldin Index = 1.477; and Dunn Index = 0.457) as well as external validity (Adjusted Rand Index = 0.419; F-value = 60.64; and p-value = 5.07e-08). The validation results indicate that the clusters formed are sufficiently representative and stable. The clustering results yield two main groups: Cluster 1 labeled “Low-Productive and Unstable Plantations” and Cluster 2 labeled “Productive and Efficient Plantations.” Cluster 1 consists of provinces dominated by smallholder plantations with low productivity, high harvest yield fluctuations, and negative growth trends. This cluster also shows limitations in the area of productive crops and a lower UMR value than the national average. Conversely, Cluster 2 consists of regions with high and stable productivity, supported by efficient plantation management and adequate access to technology. Based on these findings, this study recommends specific policy interventions for Cluster 1, including accelerating replanting programs, strengthening access to high-quality seeds and agricultural technology, and enhancing plantation management capacity and human resources (HR). This study is expected to contribute to national palm oil sector development strategies through a data-driven policy approach."