Jurnal JTIM 2iCNo.
1iC173-180iC2025
JURNAL TEKNIK INDUSTRI
MANAJEMEN DAN MANUFAKTUR
JURNAL TEKNIK INDUSTRI
UNIVERSITAS PROKLAMASI 45
https://ejournal.
id/index.
php/jtim Pemetaan Produksi Kopi Indonesia Berdasarkan Analisis Statistik NonParametrik dan Hierarchical Cluster Analysis (HCA) Ade Irpan Sabilah1.
Ratna Suminar S2*) Teknik Industri.
Universitas Bhayangkara Jakarta Raya Email: ade.
irpan@dsn.
id dan ratna.
suminar@dsn.
ABSTRAK
Kopi merupakan salah satu komoditas unggulan Indonesia yang berperan penting dalam sektor pertanian, perdagangan maupun ekspor.
Perubahan produksi kopi antarprovinsi setiap tahun menjadi indikator kinerja perkebunan serta dasar pengambilan kebijakan.
Penelitian ini menganalisis perbandingan produksi kopi Indonesia tahun 2022Ae2023 menggunakan uji statistik nonparametrik dan memetakan pola kesamaan produksi melalui Hierarchical Cluster Analysis (HCA).
Data penelitian menggunakan data sekunder dari Badan Pusat Statistik (BPS) terkait produksi kopi dari 34 provinsi.
Analisis dilakukan dengan Sign Test dan Wilcoxon Signed-Rank Test untuk menguji perbedaan signifikan.
Selanjutnya HCA dengan metode agglomerative.
WardAos method dengan pendekatan squared Euclidean distance digunakan untuk mengelompokkan provinsi berdasarkan kesamaan pola produksi.
Hasil penelitian menunjukkan tidak terdapat perbedaan signifikan produksi kopi antara tahun 2022 dan 2023.
Namun.
HCA berhasil membagi 34 provinsi menjadi enam kluster dengan karakteristik produksi berbeda sehingga temuan ini menegaskan bahwa meskipun produksi kopi Indonesia relatif stabil secara nasional, penerapan kebijakan berbasis kluster menjadi penting agar strategi pengembangan dapat lebih terarah sesuai karakteristik tiap wilayah sehingga mampu meningkatkan produktivitas, keberlanjutan, dan daya saing kopi Indonesia di pasar global.
Kata Kunci: Kopi Indonesia.
Non Parametrik.
Hierarchical Cluster Analysis ABSTRACT Coffee is one of IndonesiaAos leading commodities that plays a crucial role in the agricultural, trade, and export sectors.
The variation in coffee production among provinces each year serves as an indicator of plantation performance and as a basis for policy-making.
This study analyzes the comparison of IndonesiaAos coffee production between 2022 and 2023 using non-parametric statistical tests and maps production similarity patterns through Hierarchical Cluster Analysis (HCA).
The research utilizes secondary data from the Central Statistics Agency (BPS) on coffee production across 34 provinces.
The analysis employs the Sign Test and Wilcoxon Signed-Rank Test to examine significant differences.
Furthermore.
HCA using the agglomerative approach with WardAos method and squared Euclidean distance was applied to group provinces based on production similarity patterns.
A2025 Diterbitkan oleh Program Studi Teknik Industri UP45 Jurnal JTIM 2iCNo.
1iC173-180iC2025 The results indicate that there is no significant difference in coffee production between 2022 and 2023.
However, the HCA successfully classified the 34 provinces into six clusters with distinct production characteristics.
These findings emphasize that although IndonesiaAos coffee production remains relatively stable at the national level, implementing cluster-based policies is essential so that development strategies can be better targeted according to each regionAos characteristics, thereby enhancing the productivity, sustainability, and global competitiveness of Indonesian coffee.
Keywords: Indonesian Coffee.
Non-Parametric.
Hierarchical Cluster Analysis Diterima Redaksi:
07 Agustus 2025 Selesai Revisi:
24 Oktober 2025 Diterbitkan Online:
31 Oktober 2025
PENDAHULUAN
Kopi merupakan salah satu komoditas unggulan Indonesia yang memiliki peran strategis dalam sektor pertanian, perdagangan, dan ekspor.
Sebagai negara penghasil kopi terbesar keempat di dunia setelah Brasil.
Vietnam, dan Kolombia.
Indonesia memiliki kontribusi signifikan dalam rantai pasok global.
Kopi tidak hanya bernilai sebagai komoditas perdagangan, tetapi juga berperan dalam aspek sosial dan budaya masyarakat Indonesia.
Lebih dari 90% produksi kopi nasional dihasilkan oleh perkebunan rakyat dengan skala lahan relatif kecil sehingga keberlangsungan produksinya sangat dipengaruhi oleh kondisi iklim, akses teknologi serta kebijakan pemerintah (Amanda & Rosiana, 2.
Kopi memiliki peran penting dalam ekonomi global, terutama karena lebih dari 90% produksinya berasal dari negara berkembang, sementara konsumsinya dominan di negara industri.
Sejak pasca Perang Dunia II, kopi menjadi komoditas paling bernilai kedua setelah minyak.
Perdagangan kopi telah diatur secara internasional sejak awal abad ke-20.
Bagi banyak negara berkembang, kopi menjadi sumber utama pendapatan ekspor dan mata pencaharian jutaan petani kecil.
Pemerintah pun kerap memperlakukannya sebagai komoditas strategis (Primadiana Yunita, 2.
Data Badan Pusat Statistik (BPS) menunjukkan bahwa produksi kopi Indonesia tersebar di 31 provinsi dengan karakteristik dan kapasitas produksi yang berbeda-beda.
Perkembangan produksi kopi dari tahun ke tahun menjadi indikator penting dalam mengevaluasi kinerja subsektor perkebunan, sekaligus memberikan dasar bagi pemerintah dalam merumuskan kebijakan peningkatan produktivitas dan daya saing (Rohmah & Subari, 2.
Perkembangan kopi ini mengalami dinamika perubahan dalam hasil produksinya hal ini terlihat pada perubahan hasil produksi kopi di beberapa provinsi di Indonesia.
Namun, analisis perbandingan semata belum cukup untuk menggambarkan kompleksitas pola produksi kopi di berbagai provinsi sehinga diperlukan sebuah pendekatan yang diperlukan untuk melihat pengelompokan wilayah berdasarkan kemiripan pola produksinya (Fithriyyah et al.
, 2.
Dalam konteks ini.
Hierarchical Cluster Analysis (HCA) dapat digunakan untuk melengkapi hasil uji nonparametrik dengan memberikan pemetaan yang lebih jelas mengenai provinsi dengan karakteristik produksi serupa maupun berbeda secara ekstrem (Prastica et al.
, 2.
Integrasi kedua metode ini diharapkan dapat menghasilkan gambaran yang lebih komprehensif dalam menjawab adanya terdapat perbedaan signifikan antar tahun dan disisi lainnya juga menunjukkan pola pengelompokan provinsi berdasarkan tingkat produksi kopi.
Dengan demikian, penelitian ini tidak hanya berkontribusi pada analisis statistik produksi kopi tetapi juga memberikan wawasan strategis bagi pengembangan kebijakan perkebunan kopi di Indonesia.
METODE PENELITIAN
Penelitian ini menggunakan pendekatan kuantitatif komparatif dengan memanfaatkan data sekunder produksi kopi Indonesia tahun 2022 dan 2023 yang diperoleh dari publikasi resmi Badan Pusat Statistik (BPS).
Analisis dilakukan dengan dua tahapan utama, yaitu uji statistik non-parametrik untuk menguji perbedaan signifikan antar tahun maupun antar wilayah produksi kopi.
Selanjutnya, digunakan Hierarchical Cluster Analysis (HCA) dengan metode agglomerative.
WardAos method, dan squared Euclidean distance dengan bantuan Software SPSS 23 untuk memetakan provinsi-provinsi berdasarkan tingkat kemiripan pola produksinya.
Hasil clustering divisualisasikan dalam bentuk A2025 Diterbitkan oleh Program Studi Teknik Industri UP45 Jurnal JTIM 2iCNo.
1iC173-180iC2025 dendrogram guna memudahkan interpretasi jumlah klaster optimal dan hubungan antarprovinsi.
Teknik pengumpulan data dalam penelitian ini dilakukan dengan menggunakan data sekunder yang diperoleh dari publikasi resmi Statistik Kopi Indonesia yang diterbitkan oleh Badan Pusat Statistik (BPS) tahun 2022 dan 2023.
Data yang digunakan meliputi jumlah produksi kopi dari 31 provinsi di Indonesia yang telah dihimpun melalui Survei Perusahaan Perkebunan serta laporan perkebunan rakyat oleh Direktorat Jenderal Perkebunan Kementerian Pertanian.
Seluruh data yang terkumpul kemudian disusun dalam bentuk tabel perbandingan antar tahun untuk memudahkan proses analisis lebih lanjut.
Teknik analisis data dilakukan dalam dua tahap.
Pertama, digunakan uji statistik non-parametrik berupa Sign Test dan Wilcoxon Signed-Rank Test untuk mengidentifikasi perbedaan signifikan antara produksi kopi tahun 2022 dan 2023 maupun antar kelompok wilayah penghasil kopi.
Kedua, dilakukan analisis Hierarchical Cluster Analysis (HCA) dengan pendekatan agglomerative menggunakan WardAos method dan squared Euclidean distance untuk mengelompokkan provinsi berdasarkan kesamaan pola produksinya.
Hasil pengelompokan divisualisasikan dalam bentuk dendrogram sehingga dapat diinterpretasikan pola kemiripan maupun perbedaan antarprovinsi, serta menentukan jumlah klaster optimal yang relevan untuk pengambilan keputusan strategis.
1 Sign Test Uji Sign Test adalah teknik statistik non-parametrik yang digunakan untuk menentukan dua kondisi atau kelompok berbeda secara signifikan pada variabel yang diukur secara berpasangan.
Metode ini dapat digunakan ketika data bersifat ordinal atau tidak memenuhi asumsi distribusi normal atau ketika data bersifat ordinal.
(Kaporina et al.
, 2.
n = Jumlah semua pasangan yang memiliki tanda atau Ae x = Jumlah semua pasangan yang memiliki tanda atau Ae yang lebih kecil Daerah Kritis:
Tolak H0: jika P O/2 ycE .
cU Oycu'| yca .
) O/2
2 Uji Wilcoxon Signed-Rank Test Uji Wilcoxon digunakan untuk menguji kondisi .
dalam sampel berpasangan dan juga berlaku untuk studi sebelum dan sesudah.
Uji ini bertujuan untuk mengidentifikasi nilai yang lebih besar di antara setiap pasangan.
Uji Wilcoxon ini hampir sama dengan Uji Tanda tetapi besarnya selisih nilai angka antara positif dan negatif diperhitungkan, dan digunakan untuk menguji hipotesis komparatif 2 sampel berpasangan.
Uji wilcoxon lebih peka daripada uji tanda dalam menentukan perbedaan antara rataan populasi (Rudianto et al.
, 2.
Hipotesis: H0: ycA1 = ycA2 .
idak ada perbedaa.
H1: ycA1OycA2 .
da perbedaa.
Statistik Uji: Ts = Jumlah rangking dari tanda terkecil Daerah kritis: Tolak H0 jika Ts > Ttabel 3 Hierarchical Cluster Analysis (HCA) Pengklasteran data atau clustering merupakan proses pengidentifikasian klaster berdasarkan beberapa ukuran kesamaan.
Algoritma clustering pada umumnya dibagi menjadi 2 yaitu clustering hierarki dan clustering non hierarki.
Clustering hierarki mengklaster data kedalam klaster yang ditentukan di akhir (Auliya, 2.
Metode clustering hierarki dapat dibagi menjadi dua yaitu Divisive dan Agglomerative.
Agglomerative .
ottom-u.
yaitu proses pengelompokan yang dimulai dari setiap objek sebagai cluster terpisah, kemudian secara bertahap digabungkan berdasarkan tingkat kesamaan hingga terbentuk satu cluster besar.
pendekatan ini merupakan yang paling umum digunakan dan tersedia di berbagai perangkat lunak statistik (Naditya Gunawan & Yugo Nugroho A2025 Diterbitkan oleh Program Studi Teknik Industri UP45 Jurnal JTIM 2iCNo.
1iC173-180iC2025 Harahap, 2.
Kedua.
Divisive .
op-dow.
yaitu kebalikan dari agglomerative, dimulai dengan satu cluster besar yang berisi seluruh objek, lalu dipisahkan secara bertahap menjadi cluster-cluster lebih kecil berdasarkan tingkat perbedaan.
Kedua pendekatan ini pada dasarnya menghasilkan struktur hierarki yang sama tetapi agglomerative membangun dari bawah ke atas, sedangkan divisive memecah dari atas ke bawah (Lubis et al.
, 2.
Hasil dari analisis hierarchical clustering biasanya ditampilkan dalam bentuk dendrogram, yaitu diagram pohon yang memperlihatkan bagian sekelompok objek digabungkan secara bertahap berdasarkan tingkat kemiripannya.
Semakin rendah titik pertemuan antar cabang pada dendrogram, semakin besar tingkat kesamaan karakteristik antar objek tersebut.
Melalui dendrogram dipergunakan sebagai pengambilan keputusan dengan jelas sehingga bisa mengidentifikasi kelompok yang memiliki kesamaan tertentu agar strategi yang dirancang dapat lebih tepat sasaran, efisien serta berbasis pada analisis data yang objektif (Addini, 2.
HASIL DAN PEMBAHASAN
Data produksi kopi ini diperoleh dari Publikasi Statistik Kopi Indonesia tahun 2022 dan 2023 yang diterbitkan oleh Badan Pusat Statistik (BPS).
Data yang digunakan merupakan data produksi kopi per provinsi berdasarkan hasil Survei Perusahaan Perkebunan dan data perkebunan rakyat yang dihimpun dari Direktorat Jenderal Perkebunan Kementerian Pertanian.
Data ini menunjukkan perbandingan produksi kopi .
alam ribu to.
antar tahun.
Tabel 1.
Data Produksi Kopi Tahun 2022-2023 Provinsi Produksi Produksi Aceh Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Kalimantan Utara Sulawesi Utara A2025 Diterbitkan oleh Program Studi Teknik Industri UP45 Jurnal JTIM 2iCNo.
1iC173-180iC2025 Provinsi Sulawesi Tengah Produksi Produksi Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua 1 Sign Test Berdasarkan hasil analisis Sign Test yang mengunakan bantuan alat perhitungan SPSS 23 yaitu menunjukkan bahwa dari total 34 provinsi yang diamati, terdapat 16 provinsi yang mengalami penurunan produksi kopi, 15 provinsi mengalami peningkatan produksi, dan 3 provinsi memiliki produksi yang sama antara tahun 2022 dan 2023.
Secara statistik, nilai Asymp.
Sig.
-taile.
= 1.
yang berada jauh di atas ambang signifikansi 0,05.
Hal ini mengindikasikan bahwa perbedaan antara produksi kopi tahun 2022 dan 2023 tidak signifikan secara statistik.
Dengan demikian, dapat disimpulkan bahwa secara nasional produksi kopi Indonesia berada dalam kondisi stabil, meskipun terdapat variasi peningkatan maupun penurunan di tingkat provinsi.
Stabilitas ini mencerminkan bahwa fluktuasi yang terjadi lebih bersifat lokal dan tidak cukup besar untuk memengaruhi gambaran Tabel 2.
Hasil Output Sign Test Frequencies Produksi_2023 Produksi_2022 Negative Differencesa Positive Differencesb Tiesc Total Asymp.
Sig.
-taile.
Test Statisticsa 2 Uji Wilcoxon Hasil output dari SPSS 23 ini pada pengujian Wilcoxon memiliki gambaran yang lebih rinci mengenai distribusi perubahan produksi antarprovinsi.
Dari hasil perhitungan, terdapat 16 peringkat negatif dengan nilai mean rank sebesar 17,50 dan jumlah ranking total 280, yang menunjukkan dominasi provinsi-provinsi yang mengalami penurunan produksi.
Di sisi lain, terdapat 15 peringkat positif dengan mean rank 14,40 dan jumlah ranking total 216, yang menandakan adanya sejumlah provinsi yang mengalami peningkatan meskipun secara rata-rata lebih kecil dibandingkan kelompok Terdapat pula 3 ties yang berarti tidak terjadi perubahan produksi pada provinsi tersebut.
Hasil uji ini menghasilkan nilai signifikansi yang lebih besar dari 0,05, sehingga disimpulkan bahwa tidak ada perbedaan signifikan secara statistik antara produksi kopi tahun 2022 dan 2023.
Tabel 3.
Hasil Output Wilcoxon Ranks A2025 Diterbitkan oleh Program Studi Teknik Industri UP45 Jurnal JTIM 2iCNo.
1iC173-180iC2025 Produksi_2023 Produksi_2022 Test Statisticsa Mean Rank Negative Ranks Positive Ranks Ties Sum Ranks Total Asymp.
Sig.
3 Hierarchical Cluster Analysis (HCA) Berdasarkan hasil analisis dendrogram dengan metode Ward Linkage pada SPSS 23, terlihat bahwa 34 provinsi di Indonesia dapat dikelompokkan ke dalam beberapa kluster berdasarkan kesamaan karakteristik produksi kopi pada tahun 2022Ae2023.
Beberapa provinsi membentuk kluster yang sangat erat hal ini ditandai dengan jarak rescaled distance yang kecil .
i bawah .
Hal ini mengindikasikan bahwa pola produksi kopi di provinsi-provinsi tersebut memiliki kemiripan yang tinggi.
Pada sisi lainnya terlihat beberapa daerah membentuk kluster tersendiri dengan jarak gabungan yang tinggi .
, mengindikasikan karakteristik produksi yang sangat berbeda dari sebagian besar provinsi lainnya.
Berdasarkan analisis dendrogram yang dihasilkan dari SPSS 23, terlihat bahwa proses clusterisasi membagi 34 provinsi di Indonesia menjadi enam kelompok yang memiliki karakteristik produksi kopi yang relatif homogen.
Cluster 1 dan Cluster 3 merupakan kelompok dengan produksi kopi tertinggi, sementara Cluster 3 mencakup provinsi dengan volume produksi sangat tinggi sedangkan Cluster 2 merupakan kelompok terbesar yang beranggotakan 20 provinsi dengan tingkat produksi yang lebih bervariasi mulai dari menengah hingga rendah hal ini menunjukkan adanya karakteristik yang lebih heterogen dibandingkan cluster-cluster lainnya.
Tabel 4.
Cluster Provinsi Produksi Kopi 2022-2023 Cluster Nama Provinsi Cluster Nama Provinsi Cluster 1 Aceh Cluster 2 Sulawesi Utara Cluster 1 Sumatera Utara Cluster 2 Sulawesi Tengah Cluster 1 Bengkulu Cluster 2 Sulawesi Selatan Cluster 1 Bangka Belitung Cluster 2 Sulawesi Tenggara Cluster 1 Jawa Timur Cluster 2 Sulawesi Barat Cluster 2 Sumatera Barat Cluster 2 Maluku Utara Cluster 2 Riau Cluster 2 Papua Barat Cluster 2 Jambi Cluster 2 Papua Cluster 2 Kepulauan Riau Cluster 3 Sumatera Selatan Cluster 2 DKI Jakarta Cluster 3 Lampung Cluster 2 Jawa Barat Cluster 3 Kalimantan Tengah Cluster 2 Jawa Tengah Cluster 3 Kalimantan Timur Cluster 2 Banten Cluster 3 Kalimantan Utara Cluster 2 Bali Cluster 3 Gorontalo Cluster 2 Nusa Tenggara Barat Cluster 4 DI Yogyakarta Cluster 2 Nusa Tenggara Timur Cluster 5 Kalimantan Selatan Cluster 2 Kalimantan Barat Cluster 6 Maluku A2025 Diterbitkan oleh Program Studi Teknik Industri UP45 Jurnal JTIM 2iCNo.
1iC173-180iC2025 Cluster 4, 5, dan 6 merupakan kelompok-kelompok kecil yang terdiri atas satu provinsi, mengindikasikan keunikan pola produksi mereka.
Pada Cluster 4 dan 5 tersebut tampak sebagai outlier dengan karakteristik produksi yang sangat spesifik dan berbeda dari provinsi lain.
Sementara Cluster 6 juga terisolasi dalam clusternya sendiri dan hasil clusterisasi ini mengonfirmasi bahwa sebaran produksi kopi di Indonesia tidak hanya terkonsentrasi secara geografis tetapi juga dipengaruhi oleh faktor-faktor lain seperti teknologi pertanian, luas lahan serta produktivitas yang menyebabkan terbentuknya pola pengelompokan yang kompleks dan tidak selalu mengikuti batas wilayah pulau di Indonesia.
Gambar 1.
Dendogram Hierarchical Cluster Analysis (HCA) Provinsi Produksi Kopi 2022-2023
KESIMPULAN
Berdasarkan hasil analisis yang dilakukan dapat disimpulkan bahwa secara keseluruhan tidak terdapat perbedaan antara produksi kopi Indonesia tahun 2022 dan 2023, yang ditunjukkan oleh hasil Sign Test dan Uji Wilcoxon yang keduanya berada di atas = 0.
Meskipun demikian pada analisis Hierarchical Cluster Analysis (HCA) berhasil mengungkap keragaman pola produksi dengan membagi 34 provinsi A2025 Diterbitkan oleh Program Studi Teknik Industri UP45 Jurnal JTIM 2iCNo.
1iC173-180iC2025 ke dalam enam kluster yang mencerminkan karakteristik produksi yang heterogen.
Kluster 1 dan 3 terdiri atas provinsi dengan produksi sangat tinggi seperti Sumatera Selatan dan Lampung, sementara Kluster 2 yang merupakan kelompok terbesar mencakup provinsi dengan produksi menengah hingga rendah.
Adanya kluster kecil (Kluster 4, 5, dan .
seperti DI Yogyakarta.
Kalimantan Selatan dan Maluku menunjukkan keunikan pola produksi yang mungkin dipengaruhi oleh faktor geografis, teknologi, atau skala lahan.
Hasil ini mengindikasikan bahwa meskipun secara nasional produksi stabil tetap diperlukannya pendekatan kebijakan pengembangan kopi agar disesuaikan dengan karakteristik masing-masing kluster untuk optimasi produktivitas produksi kopi di Indonesia terutama perkebunan kopi rakyat.
DAFTAR PUSTAKA