Teks

Perbandingan Algoritma K-Means dan K-Medoids untuk mengelompokan kasus kekerasan pada anak di Jawa Tengah

---

Kekerasan pada anak merupakan segala bentuk perlakuan buruk yang
menyebabkan anak menderita, baik secara fisik, emosional, atau seksual, dan
dapat berdampak buruk pada kesehatan, perkembangan, serta masa depan anak.
Faktor pendorong terjadinya kekerasan terhadap anak erat kaitannya dengan
permasalahan ekonomi. Kekerasan pada anak masalah serius yang membutuhkan
perhatian khusus dan tindakan dari semua pihak untuk melindungi hak-hak
kesejahteraan anak. Tujuan penelitian ini untuk mengetahui seberapa besar
perbandingan kinerja algoritma K-Means dan K-Medoids menggunakan nilai
validitas clustering Davies Bouldin Index (DBI) pada pegelompokkan data kasus
kekerasan pada anak di Provinsi Jawa Tengah Oleh karena itu, tingkat kekerasan
pada anak dengan pengelompokkan wilayah sangat diperlukan.
Metode Clustering adalah salah satu metode analisis yang digunakan dalam Data
Mining. Di antara banyaknya analisis klaster yang ada terdapat dua jenis analisis
klaster yang memiliki algoritma yang saling berkaitan, yaitu K-Means dan KMedoids. K-means merupakan algoritma dalam data mining yang bisa digunakan
untuk mengolah dataset dalam jumlah yang besar dengan proses yang singkat dan
efisien. Namun k-means memiliki kekurangan sangat sensitifitas terhadap
inisialisasi awal titik pusat klaster, maka K-Medoids digunakan untuk mengatasi
kekurangan tersebut. Data korban kekerasan pada anak di Kabupaten/Kota di
provinsi Jawa Tengah bersumber dari Badan Pusat Statistik (BPS) Provinsi Jawa
Tengah dan data yang digunakan dalam penelitian ini berupa jumlah anak (Usia 0-
18 Tahun) Korban Kekerasan Per Kabupaten di Jawa Tengah dari Tahun 2016
hingga 2021 dengan jumlah objek sebanyak 35 Kabupaten/Kota.
Hasil pengelompokan perbandingan Algoritma K-Means dan Algoritma KMedoids dibagi 3 Kelompok, Hasil K-Means Cluster 0 beranggotakan 29
Kabupaten/Kota, Cluster 1 beranggotakan 1 Kabupaten/Kota, Cluster 2
beranggotakan 5 Kabupaten/Kota. Perolehan uji validitas DBI K-Means sebesar
0.876. Hasil K-Medoids Cluster 0 beranggotakan 1 Kabupaten/Kota, Cluster 1
beranggotakan 12 Kabupaten/Kota, Cluster 2 beranggotakan 22 Kabupaten/Kota.
perolehan uji validitas DBI K-Medoids sebesar 0.818. Sehingga dapat
disimpulkan bahwa nilai DBI yang semakin kecil maka semakin baik klaster yang
dihasilkan maka kinerja K-Medoids lebih efektif atau optimal dibandingkan KMeans.

---

Ketersediaan

S00059.24

RF SI.S00059.24 Sal p

My Library (Referensi)

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

RF SI.S00059.24 Sal p

Penerbit

Paguyangan : STMIK MPB., 2024

Deskripsi Fisik

xv,73hlm.;30cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

SI.S00059.24

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

data mining
algoritma K-Means
Davies Bouldin Index
Rapidminer
Clustering
Algoritma KMedoids

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar