Abstract:Abstract: Technology is a tool for processing, storing and modifying data to obtain informatio. Decision Support System (DSS) a based model-based with data processing procedures and considerations to assist manager in decision…
ecision making. In the context of UD.Wendy Jaya which still uses manual methods for selecting superior cement, this is considered less effective and ineffcient, resulting in cement selection that does not meet the criteria and lacks accuracy. This research employs a quantitative method with the aim of determining decisions for selecting superior cemen and designing a decision support system using the Simple Additive Weighting (SAW) method based on predetermined criteria. The implementation result show that the decision support system for determining superior cement provides convenience and speed in selecting superior cement at UD Wendy Jaya according to the expected criteria. The results of calculations using the simple additive weighting (SAW) method rank each alternative, with the most superior alternative being three-wheel cement, considering several criteria such as price, compressive, strength, fineness, water capacity and setting time.
Keywords: simple additive weighting (SAW); decision support system; UD.wendy jaya
Abstrak: Teknologi adalah alat untuk mengolah, menyimpan, dan memodifikasi data guna mendapatkan informasi. Sistem Pendukung Keputusan (Decision Support System/DSS) merupakan sistem berbasis model dengan prosedur pemrosesan data dan pertimbangan untuk membantu manajer dalam pengambilan keputusan. Dalam konteks Toko UD. Wendy Jaya, yang masih menggunakan cara manual untuk pemilihan semen unggul, hal ini dianggap kurang efektif dan tidak efisien, mengakibatkan pemilihan semen tidak sesuai kriteria dan tidak akurat. Penelitian ini menggunakan metode kuantitatif, dengan tujuan untuk mengetahui keputusan pemilihan semen unggul dan merancang sistem pendukung keputusan menggunakan metode Simple Additive Weighting (SAW) berdasarkan kriteria yang ditentukan. Hasil implementasi menunjukkan bahwa sistem pendukung keputusan Menentukan Semen Unggul memberikan kemudahan dan kecepatan dalam pemilihan semen unggul pada Toko UD. Wendy Jaya sesuai dengan kriteria yang diharapkan. Hasil dari perhitungan dengan menggunakan metode Simple Additive Weighting (SAW) adalah perangkingan setiap alternatif yaitu diperoleh alternatif yang paling unggul adalah semen tiga roda ditinjau dari beberapa kriteria harga, kuat tekanan, kehalusan, kapasitas air dan waktu mengeras.
Kata kunci: simple additive weighting (SAW); sistem pendukung keputusan; UD.wendy jaya
Abstract:Abstract: This research will discuss predictions of demand for robes at the Fashion Gallery. The problem that occurs is that there is often a buildup in the number of robes provided in shops, thereby increasing additional…
l expenses, such as storage costs and demand costs. On the other hand, if there is too little stock of robes, it will result in losses because potential buyers do not get the items they need. In this case, the forecasting system will be used as a tool to solve the problem of robe accumulation. The WMA method prioritizes the most recent data points while smoothing out fluctuations. The advantage of this method is increased responsiveness to recent changes in demand patterns, contributing to more accurate forecasts by considering current information more prominently than historical data. By implementing the WMA method, it is hoped that the accumulation of robes can be avoided. From the results of prediction calculations in January 2024, it is predicted that there will be 143 adult robes, with a MAD of 7.685185, MSE 74.79938 and MAPE 5%. For small children's robes, it is predicted that there will be 56 shirts, with MAD of 8.388889, MSE of 91.16358 and MAPE of 12%. It can be concluded that the WMA method can make it easier for Fashion Gallery to predict demand for adult and children's robes in the following month.
Keywords: forecasting; robe request; weighted moving average
Abstrak: Dalam penelitian ini akan membahas prediksi permintaan baju gamis pada Fashion Gallery. Permasalahan yang terjadi sering terjadinya penumpukan pada jumlah baju gamis yang disediakan pada toko, sehingga meningkatkan beban tambahan, seperti biaya penyimpanan dan biaya permintaan. Sebaliknya, apabila stok gamis yang terlalu sedikit, mengakibatkan kerugian yang disebabkan karena calon pembeli tidak mendapatkan barang yang dibutuhkan. Dalam hal ini sistem forecasting akan digunakan sebagai alat bantu dalam menyelesaikan permasalahan penumpukan baju gamis. Metode WMA, lebih mementingkan titik data terkini sambil memperlancar fluktuasi. Kelebihan metode ini meningkatkan daya tanggap terhadap perubahan pola permintaan terkini, berkontribusi pada perkiraan yang lebih akurat dengan mempertimbangkan informasi terkini secara lebih menonjol dibandingkan data historis. Dengan diterapkannya metode WMA, diharapkan dapat menghindari terjadinya penumpukan baju gamis. Dari hasil perhitungan prediksi pada bulan Januari 2024, untuk baju gamis dewasa diprediksi sebanyak 143 baju, dengan MAD sebesar 7.685185, MSE 74.79938 dan MAPE 5%. Untuk baju gamis anak kecil diprediksi sebanyak 56 baju, dengan MAD sebesar 8.388889, MSE 91.16358 dan MAPE sebesar 12%. Dapat disimpulkan bahwa metode WMA dapat memudahkan Fashion Gallery dalam meramalkan permintaan baju gamis dewasa dan anak-anak pada bulan berikutnya.
Kata Kunci: forecasting; permintaan baju gamis; weighted moving average
Abstract:Abstract: The Asahan Regency Animal Husbandry and Animal Health Service carries out outreach activities on the level of demand for boiler chicken, which means that the department must be more active in collecting data on…
the volume of boiler chicken every year because consumer demand for chicken continues to increase and instability often occurs. Where in the period 2012 to 2024 there was a significant increase in demand. So it becomes an obstacle in the stock of chickens in the Asahan Regency market which must be prepared. If there is too much chicken supply but the demand for chicken consumption decreases then this will result in a loss, conversely if the demand for chicken consumption increases but the chicken supply cannot be prepared then this will be a loss for chicken traders and distributors. To increase the accuracy of the estimates, the use of the Single Exponential Smoothing Method is proposed. This method smooths past values with exponential weights, placing greater emphasis on recent data. Using data from the last 12 (twelve) years as reference data for recording the past for forecasting experiments for the next 1 (one) month. Experiments using different Alphas test accuracy in actual situations. The results of the experiment with an alpha of 0.9 are almost the same as the actual value in predicting the situation one year into the future with the lowest error, namely MAPE 7.4% and forecasting broiler chicken meat supplies of 13661261.46 chickens.
Keywords: broiler chicken; ses method; web based.
Abstrak: Dinas Peternakan dan Kesehatan Hewan Kabupaten Asahan melakukan aktivitas penyuluhan tingkat permintaan ayam boiler dimana pihak dinas harus lebih aktif dalam melakukan pendataan volume ayam boiler setiap tahunnya karena permintaan konsumen terhadap ayam sering terjadi ketidakstabilan. Dimana pada periode tahun 2012 sampai dengan 2024 terjadi kenaikan permintaan yangsignifikan. Sehingga menjadi kendala dalam stok ayam di pasar Kabupaten Asahan yang harus disiapkan. Jika persediaan ayam terlalu banyak namun permintaan akan konsumsi ayam menurun maka ini akan manjadi kerugian, sebaliknya jika permintaan akan konsumsi ayam meningkat namun persediaan ayam tidak dapat disiapkan maka ini menjadi kerugian bagi pihak pedagang dan distributor ayam. Untuk meningkatkan ketepatan perkiraan, penggunaan Metode Single Exponential Smoothing diusulkan. Metode ini menghaluskan nilai masa lalu dengan bobot eksponensial, memberikan penekanan lebih besar pada data terbaru. Penggunaan data 12 tahun terakhir sebagai data acuan pencatatan masa lalu untuk percobaan peramalan untuk 1 (satu) bulan kedepan. Penggunaan Alpha yang berbeda menguji akurasi dalam situasi aktual. Hasil dari penelitian dengan alpha 0,9 hampir sama dengan nilai aktual dalam meramalkan keadaan satu tahun ke depan dengan error yang paling rendah yaitu MAPE 7,4% dan peramalan persediaan daging ayam broiler sebanyak 13661261,46 ayam.
Kata kunci: berbasis web; daging ayam broiler; metode ses.
Abstract:Abstract: Toko Ratna Jaya is a business in the fashion sector that sells women's robes and is experiencing instability in its sales because Toko Ratna Jaya is unable to predict their sales for the following month. Ratna…
Jaya Shop currently carries out forecasting only by relying on the owner's predictions. However, this approach is less efficient and can lead to losses or increased stock costs if forecasting is inaccurate. To increase the accuracy of the estimates, the use of the Single Exponential Smoothing Method is proposed. This method smooths past values with exponential weights, placing greater emphasis on recent data. Use of data from the last 1 (one) year as reference data for recording the past for forecasting experiments for the next 1 (one) month. Experiments using different Alphas test accuracy in actual situations. The results of the experiment with an alpha of 0.2 are almost the same as the actual value in predicting the situation one month into the future with the lowest error, namely MAPE 12.05% and forecasting sales of gamis of 1,476 pcs.
Keywords: forecasting; gamis; sales; single exponential smoothing (SES); toko ratna jaya.
Abstrak: Toko Ratna Jaya adalah usaha di bidang fashion yang menjual baju gamis wanita dan sedang mengalami ketidakstabilan dalam penjualannya dikarenakan Toko Ratna Jaya tidak mampu meramalkan penjualan mereka untuk bulan berikutnya. Toko Ratna Jaya saat ini melakukan peramalan hanya dengan mengandalkan paraduga pemiliknya. Namun, pendekatan ini kurang efisien dan dapat menyebabkan kerugian atau peningkatan biaya stok jika peramalan tidak akurat. Untuk meningkatkan ketepatan perkiraan, penggunaan Metode Single Exponential Smoothing diusulkan. Metode ini menghaluskan nilai masa lalu dengan bobot eksponensial, memberikan penekanan lebih besar pada data terbaru. Penggunaan data 1 (satu) tahun terakhir sebagai data acuan pencatatan masa lalu untuk percobaan peramalan untuk 1 (satu) bulan kedepan. Eksperimen menggunakan Alpha yang berbeda menguji akurasi dalam situasi aktual. Hasil dari eksperimen dengan alpha 0,2 hampir sama dengan nilai aktual dalam meramalkan keadaan satu bulan ke depan dengan error yang paling rendah yaitu MAPE 12,05% dan peramalan penjualan gamis sebanyak 1.476 pcs.
Kata kunci: gamis; penjualan; peramalan; single exponential smoothing (ses); toko ratna jaya.
Abstract:Abstract: Based on the era of globalization people in East Kotawaringin almost all people have used social media, for example, as a personal post some use it to see the promotion of beauty products fashion, and others. The…
he KOTIM community has many who use social media, especially the Young Generation Z who have often used to buy products on social media, for example, Instagram, TikTok, and Facebook. This study will be made using the TOPSIS method for ranking to know which social media is often used by consumers. The researcher also made a questionnaire with Google form that will be tested for the validity or not of the data obtained using SPSS. The object of research is made in East Kotawaringin. The purpose of this study was to determine which social media is often used by the public to purchase decisions in the Kotim Regency. The result of the calculation using the TOPSIS method the social media platform with the highest rating is considered the best choice for decision-making, in this case, TikTok with a rating value of 1. It can be concluded that the social media platform that is widely used by KOTIM residents to make decisions is TikTok.
Keywords: buying decision; social media; TOPSIS
Abstract: Berdasarkan era globalisasi bahwa masyarakat di Kotawaringin Timur hampir seluruh masyarakat telah menggunakan media sosial, contohnya sebagai postingan pribadi ada juga yang menggunakan sebagai melihat promosi produk kecantikan dan fasion dan lainnya. Karena masyarakat KOTIM sudah banyak yang menggunakan media sosial apalagi para anak muda generasi z yang sudah sering menggunakan untuk membeli produk pada media sosial contohnya media sosial instagram, TikTok, dan juga facebook. Pada penelitian ini akan dibuat menggunakan metode TOPSIS untuk perangkingan agar mengetahui media sosial mana yang sering digunakan oleh konsumen. Peneliti juga membuat kuisoner dengan google form yang akan diuji valid atau tidak nya data yang didapat dengan menggunakan SPSS. Objek penelitian yang dibuat berada di Kotawaringin Timur. Tujuan dari penelitian ini adalah untuk mengetahui media sosial mana yang sering digunakan oleh masyarakat terhadap keputusan pemebelian pada wilayah kabupaten KOTIM. Hasil dari perhitungan menggunakan metode TOPSIS platform media sosial dengan peringkat tertinggi dianggap sebagai pilihan terbaik untuk pengambilan keputusan, dalam kasus ini adalah TikTok dengan peringkat nilai 1. Dapat disimpulkan bahwa platform media sosial yang banyak digunakan oleh penduduk KOTIM untuk mengambil keputusan adalah TikTok.
Keywords: keputusan pembelian; media sosial; TOPSIS
Abstract:Abstract: Gross Regional Domestic Product (GRDP) is one of the most important socio-economic indicators. In order to gain a more comprehensive understanding of the current economic situation and regional differences, estimating…
imating GRDP using integration of satellite imagery and official statistics data can provide valuable information. This research estimates the GRDP value in 2022 by using data in 2019 to 2021 related to two aspects, agriculture and non-agriculture. Soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), and land cover (LC) used as agriculture aspect, while nighttime light (NTL), human settlement index (HSI), land area, and population per regency/city used as non-agriculture aspect. GRDP estimation are produced with machine learning approach using support vector machine (SVM) and random forest (RF) method. Correlation test on each variable shows only land area that does not have a significant correlation with GRDP. RF model then chosen as the best model with RMSE, MSE, MAE, and R2 value of 0.2549; 0.5049; 0.7727; and 0.2543, respectively. The estimated values acquired in several regencies/cities have rather near, some even very close to the official statistics values.
Keywords: GRDP; satellite imagery; machine learning; random forest; support vector machine
Abstrak: Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator sosio-ekonomi yang penting. Penghitungan nilai PDRB dengan pendekatan yang melibatkan kombinasi data citra satelit dan statistik resmi dapat memberikan informasi serta pemahaman yang lebih komprehensif. Penelitian ini melakukan estimasi nilai PDRB pada tahun 2022 menggunakan data tahun 2019 hingga 2021 dengan melibatkan dua aspek, agrikultur dan non-agrikultur. Data soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), dan tutupan lahan (land cover/LC) digunakan sebagai aspek agrikultur, sementara data citra cahaya malam (NTL), human settlement indeks (HSI), luas wilayah kabupaten/kota, dan jumlah populasi per kabupaten/kota digunakan sebagai aspek non-agrikultur. Estimasi PDRB dihasilkan dengan menggunakan pendekatan machine learning berupa support vector machine (SVM) dan random forest (RF). Pengecekan korelasi antarvariabel menunjukkan bahwa hanya variabel luas wilayah tidak berpengaruh signifikan terhadap nilai PDRB. Model random forest kemudian dipilih sebagai model terbaik dengan nilai evaluasi RMSE, MSE, MAE, dan berturut-turut sebesar 0.2549, 0.5049, 0.7727, dan 0.2543. Nilai estimasi yang diperoleh di beberapa kabupaten/kota cukup mendekati, bahkan ada yang sangat dekat dengan nilai statistik resmi.
Kata kunci: PDRB; citra satelit; machine learning; random forest; support vector machine
Abstract:Abstract: There are a great number of academics that are now conducting research on sentiment analysis by employing supervised and machine learning techniques. The research can be carried out with the assistance of a variety…
iety of sources, including reviews of movies, reviews of Twitter, reviews of online products, blogs, discussion forums, and other social networks. With the progress of technology, individuals may now effortlessly utilize social media platforms to access and share information, as well as express their viewpoints to the general public, without any constraints of distance or time. Twitter is a social media network that serves as a repository for opinions. Diverse techniques are employed to provide optimal and realistically precise pressure detection. The analysis and discussion affirm that the Support Vector Machine (SVM) was effectively employed in this study, utilizing public opinion data on television program reviews in Indonesia. An SVM classifier is employed to examine the Twitter data set by utilizing various parameters. The study successfully completed the preprocessing process by collecting a total of 400 data points, consisting of 320 reviews from 4 television shows for training data and 80 reviews for testing. The data was filtered and classified using SVM, with 200 positive and 200 negative data points for comparison. The experiment utilized the SVM method using TF-IDF to achieve the most accurate test results. The test accuracy was 80%, while the training data accuracy reached 100%.
Keywords: Sentiment Analysis; Support Vector Machine; Television Shows Review, TF-IDF,
Abstrak: Saat ini, banyak akademisi sedang menyelidiki analisis sentimen melalui pemanfaatan teknik yang diawasi dan pembelajaran mesin. Kajian dapat dilakukan dengan menggunakan beberapa sumber seperti review film, review Twitter, review produk online, blog, forum diskusi, atau jejaring sosial lainnya. Dengan kemajuan teknologi, masyarakat kini dapat dengan mudah memanfaatkan platform media sosial untuk mengakses dan berbagi informasi, serta menyampaikan pandangan mereka kepada masyarakat umum, tanpa batasan jarak dan waktu. Twitter adalah jaringan media sosial yang berfungsi sebagai gudang opini. Beragam teknik digunakan untuk menghasilkan deteksi tekanan yang optimal dan presisi secara realistis. Analisis dan pembahasan menegaskan bahwa Support Vector Machine (SVM) efektif digunakan dalam penelitian ini, memanfaatkan data opini publik tentang review program televisi di Indonesia. Pengklasifikasi SVM digunakan untuk memeriksa kumpulan data Twitter dengan memanfaatkan berbagai parameter. Penelitian berhasil menyelesaikan proses preprocessing dengan mengumpulkan total 400 titik data yang terdiri dari 320 review dari 4 acara televisi untuk data pelatihan dan 80 review untuk pengujian. Data disaring dan diklasifikasikan menggunakan SVM, dengan 200 titik data positif dan 200 titik data negatif sebagai perbandingan. Percobaan ini menggunakan metode SVM dengan menggunakan TF-IDF untuk mencapai hasil pengujian yang paling akurat. Akurasi pengujiannya mencapai 80%, sedangkan akurasi data pelatihan mencapai 100%.
Kata kunci: Analisis Sentimen, Review Tayangan Televisi, TF-IDF, Support Vector Machine
Abstract:Abstract: The service dramatically affects the number of guests staying at the hotel. Bali is the most visited tourist area by foreign tourists. Therefore, improved service is crucial for determining the rating level of…
a hotel. This research aims to combine two data mining algorithms: clustering and classification. This research is expected to contribute to hospitality in improving the best services for tourists, especially in the City of Bali. Clustering algorithms are used to group the best number of hotels based on the four clusters selected from the k-means clustering algorithm. The classification algorithm using C4.5 determines the factors most dominant in determining the hotel rating level based on the gain ratio. The data used in this study results from observations on the website agoda.com in Bali of 51 data. The results of this study explained that cluster_0 is the highest-rated cluster, with a total number of 19 hotels found in claster_0. Data cluster0 is used for classification analysis using a decision tree, and the most dominant factor is the service factor, with an accuracy of 80%.
Keywords: data mining; kmeans; decision tree; hotel; bali;
Abstrak: Pelayanan sangat mempengaruhi jumlah pengunjung yang menginap dihotel. Bali merupakan daerah wisata paling banyak dikunjungi oleh wisatawan mancanegara. Oleh karena itu, peningkatan pelayanan sangat penting untuk penentuan level rating dari hotel. Tujuan dari penelitian ini untuk menggabungkan dua algoritma data mining yaitu clustering dan klasifikasi. Dengan penelitian ini diharapkan dapat memberikan kontribusi bagi perhotelan dalam meningkatkan pelayanan yang terbaik bagi wisatawan khususnya di Kota Bali. Algoritma Clustering digunakan untuk mengelompokkan dari jumlah hotel yang terbaik berdasarkan empat cluster yang dipilih dari algoritma clustering berupa k-means. Algoritma klasifikasi menggunakan C4.5 digunakan untuk mengetahui faktor apa yang paling dominan dalam menentukan level rating hotel berdasarkan gain ratio. Data yang digunakan dalam penelitian ini hasil observasi di website agoda.com di bali sebanyak 51 data. Hasil dari penelitian ini menjelaskan dataset cluster_0 merupakan cluster rating tertinggi dengan jumlah 19 hotel yang terdapat di cluster_0. Data cluster_0 digunakan untuk analisis klasifikasi menggunakan decesion tree, didapat faktor yang paling dominan adalah faktor layanan dengan nilai akurasi sebesar 80%.
Kata kunci: data mining; kmeans; decision tree; hotel; bali;
Abstract:Abstract: Stunting is one of the nutritional problems that the world pays the most attention to and a major nutritional problem in Indonesia. Stunting is a problem in toddler growth which is characterized by a toddler's…
height that is too short compared to toddlers of his age. In the research location, namely Asahan Regency, the mapping of areas prone to increased stunting rates has not been carried out optimally. The process of exploring the stunting data warehouse is useful for adding information that can assist the government in making policies. Therefore, the aim of this research is to map stunting-prone areas in Asahan district based on the number of stunting cases in Asahan district using the machine learning-based K-Means clustering model. Based on previous research reviews, the k-means clustering method used has not used the normalization process. In addition, distance measurement only uses Euclidean Distance. Meanwhile, in this research, clustering performance analysis was carried out using a more in-depth process, namely by applying data normalization at the beginning, using the elbow method to determine the best number of clusters (K), measuring distance using Euclidean Distance, Manhattan Distance and Minkowski Distance to obtain comparison results. better clusters. The analysis results show that the best number of clusters is cluster 2 which shows the mapping results into 2 groups with a DBI of 0.51290 and a silhouette_score of 0.71432.
Keywords: stunting; k-means clustering; machine learning
Abstrak: Stunting menjadi salah satu permasalahan gizi yang paling diperhatikan dunia dan permasalahan gizi yang utama di Indonesia. Stunting merupakan masalah pada pertumbuhan balita yang ditandai dengan tinggi badan balita yang terlalu pendek dibanding balita seusianya. Pada lokasi penelitian yaitu Kabupaten Asahan, pemetaan daerah rawan peningkatan angka stunting belum dilakukan dengan optimal. Proses eksplorasi gudang data stunting ini berguna untuk menambah informasi yang dapat membantu pemerintah dalam mengambil kebijakan. Maka dari itu, tujuan dari penelitian ini adalah pemetaan daerah rawan stunting di kabupaten Asahan berdasarkan jumlah kasus stunting di Kabupaten Asahan menggunakan model clustering metode K-Means berbasis machine learning. Berdasarkan tinjauan penelitian terdahulu, metode k-means clustering yang digunakan belum menggunakan proses normalisasi. Selain itu, pengukuran jarak hanya menggunakan Euclidean Distance. Sedangkan dalam penelitian ini, analisis kinerja clustering yang dilakukan dengan proses yang lebih mendalam yaitu dengan penerapan normalisasi data di awal, penggunaan elbow method untuk penentuan jumlah cluster (K) terbaik, pengukuran jarak dengan Euclidean Distance, Manhattan Distance dan Minkowski Distance untuk mendapatkan hasil perbandingan cluster yang lebih baik. Hasil analisis menunjukkan bahwa jumlah cluster terbaik yaitu cluster 2 yang menunjukkan hasil pemetaan menjadi 2 kelompok dengan DBI 0.51290 dan silhouette_score sebesar 0.71432.
Kata kunci: stunting; k-means clustering; machine learning
Abstract:Abstract: that the number of catches obtained by fishermen is more optimal. With secondary data based on the type of cultivation developed by fishing communities, the authors intend to explore this data so that they can…
examine more deeply the most effective types of cultivation using analysis of variance to find out the differences between each type of cultivation and cluster analysis using the complete linkage method. to find out the grouping of marine culture production based on the types developed by fishing communities in Indonesia. The correlation between the observed variables is 0.008, so it can be said that there is no relationship between the observed variables. In addition, the sig. and t-test. sig value is obtained. > α (5% = 0.05). This means that there is a significant average difference in fish production results based on the type of cultivation developed by fishing communities. With the grouping of types of marine cultivation developed by the Wesleyan community using the complete-linkage method, they are divided into 3 groups based on the degree of similarity in the production results obtained. Cluster 1 consists of Floating Nets, and Pools; Cluster 2 consists of other seas, seaweed, cages, and fishing nets; and Cluster 3 consists of Fresh Floating Nets, Minapadi, and Ponds.
Keywords: Complete-Linkage; Fish Production; Mariculture; Multivariate Analysis; T-test;
Abstrak: Berdasarkan penelitian sebelumnya pada analisis variansi untuk menguji perbedaan rata-rata pada masing-masing perlauan peletakan sudut jarring agar jumlah tangkapan yang diperoleh nelayan lebih optimal. Dengan adanya data sekunder berdasarkan jenis budidaya yang dikembangkan masyarakat nelayan, penulis bermasksud untuk melakukan eksplorasi pada data tersebut agar dapat mengkaji lebih dalam terhadap jenis budidaya yang paling efektif dengan analisis variansi untuk mengetahu perbedaan dari masing-masing jenis budidaya serta analisis cluster dengan metode complate linkage untuk mengetahui adanya pengelompokan hasil produksi bududaya laut berdasarkan jenis yang dikembangkan oleh masyarakat nelayan di Indonesia. Korelasi antar variabel yang diamati sebesar 0.008, maka dapat dikatakan bahwa tidak ada hubungan antara variabel yang diamati. Selain itu, hasil uji sig. dan uji t. diperoleh nilai sig. > α (5% = 0.05). Artinya, terdapat perbedaan rata-rata secara signifikan hasil produksi ikan berdasarkan jenis budidaya yang dikembangkan oleh masyarakat nelayan. Dengan adanya pengelompokan jenis budidaya laut yang dikembangkan oleh masyarakat neleyan dengan metode complete-linkage terbagi atas 3 kelompok berdasarkan tingkat kemiripan hasil produksi yang diperoleh. Cluster 1 terdiri dari Jaring Apung, Kolam; Cluster 2 terdiri dari Laut lainnya, Rumput laut, Keramba, Jaring Tancap; dan Cluster 3 terdiri dari Jaring Apung Tawar, Minapadi, Tambak.
Kata kunci: Analisis Multivariate; Budidaya Laut; Complate-Linkage; Produksi Ikan; Uji-t;