Teks
PENERAPAN ALGORITMA K MEANS CLUSTERING UNTUK PENGELOMPOKAN DATA KEMISKINAN KABUPATEN BREBES
Kemiskinan merupakan masalah dihadapi semua negara di dunia terutamadi
negara berkembang, tidak terkecuali Indonesia. Kemiskinan juga dihadapi olehpemerintah Kabupaten Brebes, menurut Badan Pusat Statistik Kabupaten Brebesberada di nomor urut tiga kemiskinan ekstrim di Jawa Tengah. Untuk mengatasi
problematika tersebut, pemerintah Kabupaten Brebes perlu mengetahui gambarankarakteristik pada sektor kemiskinan yang ada di Kabupaten Brebes. Untukmendapat karakteristik kemiskinan tersebut perlu dilakukan pengelompokan. Contohnya pada bidang ilmu statistik, untuk memperoleh informasi karakteristikkemiskinan dapat digunakan metode analisis cluster. Ada beberapa metode yangada pada clustering, salah satunya algoritma K-Means. Dengan adanyapengelompokan dengan menggunakan metode K-Means maka akanmempermudah masyarakat dan pemerintah Kabupaten Brebes dalampenyimpulankemiskinan sesuai dengan tingkatanya. Pengelompokan data kemiskinan Kabupaten Brebes menggunakan variabel
jumlah penduduk miskin, jumlah penerima bantuan pemerintah, jumlah penerimaBPNT, jumlah penerima beras sejahtera, jumlah rumah tidak layak huni, danlaupertumbuhan penduduk. Data tersebut diolah menggunakan algoritma K-Meansserta dilakukan eksperimen sebanyak 3 kali yaitu pengelompokan menjadi 3cluster, 5 cluster dan 7 cluster. Hasil pengelompokan pada K=7 K-Means sebagai berikut : Cluster 0beranggotakan 5 Kecamatan , Cluster 1 beranggotakan 4 Kecamatan, Cluster 2beranggotakan 1 kecamatan, cluster 3 beranggotakan 1 kecamatan, cluster 4beranggotakan 2 kecamatan, cluster 5 beranggotakan 2 kecamatan, cluster 6beranggotakan 2 kecamatan Berdasakan hasil pengujian Davies-Bouldin Indexmendapatkan nilai cluster terbaik yaitu sebanyak 7 cluster dengan nilai sebesar
-0,643. Maka pada penelitian ini data kemiskinan Kabupaten Brebesdikelompokan menjadi 7 cluster
| S00012.23 | RF SI.S00012.23 Fad p | My Library (Skripsi SI) | Tersedia |
Tidak tersedia versi lain