View/Open

Author
SYIFA, FATHONAH

Date Published
20 Jan 2026

Advisor
Febri Dwi Irawati, S.Si., M.Si,
Linda Rassiyanti, S.Si., M.Si.,

Subject
Sains Data

Publisher

Industri halal mengalami pertumbuhan pesat dengan nilai pasar global mencapai US$4.841 triliun pada tahun 2021. Di Indonesia, sektor UMKM berkontribusi sekitar 61% terhadap PDB, tetapi hanya satu persen dari 65 juta UMKM yang telah memiliki sertifikasi halal. Kondisi ini menunjukkan perlunya penentuan wilayah prioritas untuk mempercepat pemerataan sertifikasi halal di Indonesia. Penelitian ini bertujuan mengoptimalkan parameter algoritma Spatio-Temporal Density Based Spatial Clustering of Applications with Noise (ST-DBSCAN) menggunakan metode K-Distance KNN, menerapkannya untuk menganalisis pola persebaran pendaftaran pendampingan self declare Program Sehati 2023 dari BPJPH, serta mengevaluasi kualitas hasil clustering menggunakan Silhouette Score dan Davies-Bouldin Index. Hasil penelitian menunjukkan bahwa nilai Epsilon 1 optimal sebesar 3.5677 dengan dua variasi Epsilon 2, yaitu 7 hari untuk analisis mingguan dan 30 hari untuk analisis bulanan. Penerapan algoritma ST-DBSCAN menghasilkan pola clustering yang bersifat stationary, dengan konsentrasi utama di Jawa, Sumatra bagian selatan, Kalimantan, dan Sulawesi, sedangkan wilayah Nusa Tenggara Timur, Maluku, dan Papua teridentifikasi sebagai noise yang dapat dijadikan prioritas Program Sehati. Berdasarkan hasil evaluasi, analisis bulanan dengan Epsilon 2 = 30 hari memberikan hasil terbaik dengan Silhouette Score sebesar 0.8449 dan Davies-Bouldin Index sebesar 0.1110, menunjukkan bahwa interval waktu 30 hari menghasilkan clustering yang lebih stabil dan representatif dalam mengidentifikasi pola spasial-temporal pendaftaran sertifikasi halal di Indonesia.

URI
https://repo.itera.ac.id/depan/submission/SB2601210016

Keyword
Clustering Spatio-Temporal K-Distance Pendaftaran Pendampingan Self Declare SEHATI