Segmentasi Wilayah & Pola Harga (K-Means)
Hasil klasterisasi tingkat kestabilan harga komoditas pangan regional menggunakan K-Means Clustering.
Perbandingan Rata-Rata Harga Antar Cluster
Perbandingan profil harga rata-rata secara objektif hasil pemetaan matematis K-Means.
Tabel Rincian Profil Karakteristik Cluster
| Cluster | Label Karakteristik | Rata-rata Harga | Rata-rata Fluktuasi | Rata-rata Kenaikan (%) | Skor Risiko (1-10) | Jumlah Sampel Data |
|---|---|---|---|---|---|---|
| Cluster 0 | Normal | Rp 34.995 | Rp 2.639 | 0.52% | 4 / 10 | 24 |
| Cluster 1 | Waspada | Rp 46.241 | Rp 4.892 | 0.31% | 6 / 10 | 16 |
| Cluster 2 | Stabil | Rp 16.227 | Rp 1.231 | 0.50% | 2 / 10 | 24 |
Uji Coba Inferensi K-Means Cluster
Form untuk memetakan statistik pergerakan harga pangan baru ke dalam segmentasi cluster K-Means secara real-time.
Menunggu Input
Silakan isi data statistik pergerakan harga komoditas/wilayah di sebelah kiri dan klik tombol segmentasi untuk memproses model unsupervised learning.
Rekomendasi Kebijakan Berbasis Segmentasi Wilayah
Berdasarkan hasil clustering menggunakan algoritma K-Means dengan k=4 (Silhouette Score: 0.584), dipetakan daerah dengan kerawanan pangan tinggi yang diklasifikasikan ke dalam Cluster 3 (Prioritas Intervensi). Wilayah ini ditandai dengan harga rata-rata yang sangat tinggi serta volatilitas harga bulanan yang curam.
Pemerintah disarankan untuk memprioritaskan penyaluran subsidi transportasi bahan pangan dan penyelenggaraan Gerakan Pangan Murah (GPM) ke daerah yang tergolong dalam Cluster 3. Sebaliknya, wilayah yang tergolong Cluster 0 (Stabil) dapat dijadikan basis pemasok (suplier regional) untuk menyuplai pasokan ke wilayah defisit guna menstabilkan harga nasional.