Perbandingan Perhitungan Jarak Euclidean Distance, Manhattan Distance, dan Cosine Similarity dalam Pengelompokan Data Bibit Padi Menggunakan Algoritma K-Means

Bibit padi yang mempunyai kualitas unggul memiliki peran penting dalam peningkatan produktivitas pada sektor pertanian. Banyaknya bibit dikembangkan oleh Balai Besar Penelitian Tanaman Padi menghasilkan karakteristik baru serta kemiripan hampir sama. berdasarkan karakteristiknya dapat dikelompokkan dengan menggunakan metode Clustering dimana proses perhitungannya pengukuran jarak. Pada penelitian ini algoritma K-Means Euclidean Distance, Manhattan dan Cosine Similarity sebagai jarak pengelompokkan data varietas 119 data, Davies Bouldin Index teknik evaluasinya. Hasil telah dilakukan nilai sebesar 0.307 Distance Similarity, sedangkan mendapat Indek 0.318, tersebut disimpulkan bahwa sama-sama merupakan perhitungan baik digunakan melakukan benih karena kecil.