Penelitian ini di latar belakangi oleh keinginan untuk menjawab permasalahan: (1) Berapa klaster potensi padi yang dapat dibentuk berdasarkan variabel luas panen, produksi, dan produktivitas padi tahun 2021-2023 di Provinsi Kalimantan Utara; (2) Berapa klaster tinggi, sedang, dan rendah berdasarkan variabel luas panen, produksi, dan produktivitas padi di Provinsi Kalimantan Utara. Oleh karena itu Provinsi Kalimantan Utara perlu mengelompokkan kabupaten/kota penghasil padi menggunakan metode clustering untuk mengetahui daerah dengan potensi produksi padi. Clustering yang digunakan adalah dengan menggunakan algoritma k-means. Clustering k-means mengelompokkan kabupaten/kota berdasarkan kesamaan dalam tiga variabel utama yaitu luas panen, produksi, dan produktivitas. Hasil yang didapatkan dari metode ini yaitu 3 Cluster antara lain C1, C2 dan C3. Penelitian ini mengelompokkan kabupaten/kota berdasarkan luas panen, produksi, dan produktivitas padi. Cluster 1 (Malinau dan Tarakan), peningkatan kapasitas menjadi prioritas kedua untuk cluster ini, yang berada pada kategori cluster sedang. Memiliki produktivitas yang mendekati rata-rata dengan nilai z-score sebesar -0,10209. Namun, luas panen dan produksi rendah, dengan nilai z-score masing-masing -0,55757 dan -0,56876. Jarak euclidean untuk wilayah Malinau dan Tarakan, yaitu 0,65416. Cluster 2 (Bulungan dan Nunukan), upaya menjaga keberlanjutan menjadi prioritas ketiga untuk cluster ini, yang berada pada kategori cluster tinggi. Menunjukkan kinerja yang tinggi di semua variabel, dengan nilai z-score sebagai berikut: 1,01700 untuk luas panen, 1,02876 untuk produksi, dan 0,87317 untuk produktivitas. Jarak euclidean untuk wilayah Bulungan dan Nunukan, yaitu 0,19420. Cluster 3 (Tana Tidung), perbaikan produktivitas secara signifikan menjadi prioritas utama untuk cluster ini, yang berada pada kategori cluster rendah. Memiliki kinerja yang rendah di semua variabel, dengan nilai z-score sebagai berikut: -0,91887 untuk luas panen, -0,92000 untuk produksi, dan -1,54216 untuk produktivitas. Jarak euclidean untuk wilayah Tana Tidung, yaitu 0.

Kata Kunci: Padi, K-Means, Clustering, Produktivitas, Kalimantan Utara

This research aims to address the following inquiries: (1) What is the number of potential rice clusters that can be established based on the variables of harvest area, production, and productivity of rice from 2021 to 2023 in North Kalimantan Province; (2) What is the distribution of high, medium, and low clusters based on the same variables in North Kalimantan Province? Consequently, North Kalimantan Province must categorize rice-producing districts and cities through a clustering method to identify regions with rice production potential. The clustering used is the k-means algorithm. The k-means clustering categorized counties and cities according to similarities in three primary variables: agricultural area, production, and productivity. The results obtained from this method are 3 clusters, including C1, C2, and C3. The study divided districts/cities into clusters based on rice area, production, and productivity. Cluster 1 (Malinau and Tarakan) has productivity that is close to average, with a z-score of -0.10209. However, harvest area and production are low, with z-scores of -0.55757 and -0.56876, respectively. The Euclidean distance between Malinau and Tarakan is 0.65416. As a result, capacity building is the cluster's second highest priority, placing it in the medium cluster category. Cluster 2 (Bulungan and Nunukan) had strong performance in all variables, with z-scores of 1.01700 for crop area, 1.02876 for production, and 0.87317 for productivity. However, harvest area and production are low, with z-scores of -0.55757 and -0.56876, respectively. The Euclidean distance between Malinau and Tarakan is 0.65416. As a result, capacity building is the cluster's second highest priority, placing it in the medium cluster category. Cluster 3 (Tana Tidung) exhibits subpar performance across all categories, with z-score values of -0.91887 for harvest area, -0.92000 for production, and -1.54216 for productivity. The Euclidean distance for the Tana Tidung region is 0. As a result, significantly increasing productivity is a high goal for this cluster, which falls under the low cluster category. Keywords: Rice, K-Means, Clustering, Productivity, North Kalimantan