• Tidak ada hasil yang ditemukan

Perbandingan Klasterisasi Data Indikator Kemiskinan menggunakan Metode K-Means dan K-Medoids di Provinsi Jawa Tengah Tahun 2021 - Repository Universitas Jenderal Soedirman

N/A
N/A
Info
Unduh - Bebas
Protected

Academic year: 2024

Membagikan "Perbandingan Klasterisasi Data Indikator Kemiskinan menggunakan Metode K-Means dan K-Medoids di Provinsi Jawa Tengah Tahun 2021 - Repository Universitas Jenderal Soedirman"

Copied!
2
0
0

Memuat.... (Lihat teks lengkap sekarang)

Unduh sekarang ( 2 Halaman )

Teks penuh

(1)

xiv

ABSTRAK

Kemiskinan merupakan sebuah kondisi di mana seseorang atau rumah tangga yang tidak mampu untuk memenuhi kebutuhan minimal atau yang layak untuk kehidupannya. Menurut Badan Pusat Statistika (BPS) pada bulan September 2021 tingkat kemiskinan di Provinsi Jawa Tengah sebesar 11,25 % atau sebanyak 3,93 juta jiwa. Jumlah penduduk miskin yang sedemikian besarnya tentunya memerlukan evaluasi dan studi kasus yang dapat mengelompokkan kabupaten/kota untuk mengetahui persebaran penduduk miskin menurut indikator kemiskinan.

Tujuan dari penelitian ini yaitu untuk mengelompokkan kabupaten/kota menggunakan indikator-indikator kemiskinan. Salah satu metode yang dapat digunakan untuk mengelompokkan data yaitu dengan menggunakan analisis klaster. Pada penelitian ini dibandingkan dua metode analisis klaster yaitu metode K-Means dan K-Medoids pada data indikator kemiskinan di Provinsi Jawa Tengah tahun 2021. Hasil yang diperoleh melalui metode K-Means hampir sama dengan metode K-Medoids. Hal ini terlihat dari nilai simpangan bakunya hampir sama yaitu 0,3454909 untuk metode K-Means dan 0,3433394 untuk metode K-Medoids.

Dengan demikian, baik metode K-Means ataupun metode K-Medoids dapat digunakan untuk pengelompokan data indikator kemiskinan di Provinsi Jawa Tengah tahun 2021.

Kata kunci: Kemiskinan, K-Means, K-Medoids

(2)

xv

ABSTRACT

Poverty is a condition where a person or household is unable to meet the minimum or adequate needs for life. According to the Central Statistics Agency (BPS), in September 2021 the poverty level in Central Java Province was 11.25%

or 3.93 million people. Such a large number of poor people certainly requires evaluation and case studies that can group districts/cities to determine the distribution of poor people according to poverty indicators. The aim of this research is to group districts/cities using poverty indicators. One method that can be used to group data is by using cluster analysis. In this research, two cluster analysis methods compared, namely the K-Means and K-Medoids methods on poverty indicator data in Central Java Province in 2021. The results obtained through the K-Means method are almost the same as the K-Medoids method. This can be seen from the almost the same standard deviation value, namely 0.3454909 for the K-Means method and 0.3433394 for the K-Medoids method. Thus, both the K-Means method and the K-Medoids method can be used to group poverty indicator data in Central Java Province in 2021.

Keywords: Poverty, K-Means, K-Medoids

Referensi

Unduh sekarang ( PDF - 2 Halaman - 34.43 KB )

Dokumen terkait

Analisis klaster k-means dan k-median pada data indikator kemiskinan : studi kasus data indikator kemiskinan kabupaten di indonesia tahun 2009

K- means merupakan salah satu metode pengklasteran tidak berhirarki yang paling banyak digunakan, namun karena menggunakan rataan sebagai pusat klasternya, metode

PENGELOMPOKAN KABUPATENKOTA DI PROVINSI JAWA TIMUR BERDASARKAN INDIKATOR KESEHATAN MASYARAKAT MENGGUNAKAN METODE KOHONEN SOM DAN K-MEANS

metode pengelompokan yaitu Kohonen SOM, K-Means dan Hie- rarchical Clustering Algorithm (HAC) untuk megelompokan institusi pendidikan berdasarkan kegiatan pembelajaran

PREDIKSI VOLUME LALU LINTAS ANGKUTAN LEBARAN PADA WILAYAH JAWA TENGAH DENGAN METODE K MEANS CLUSTERING UNTUK ADAPTIVE NEURO FUZZY INFER

PREDIKSI VOLUME LALU LINTAS ANGKUTAN LEBARAN PADA WILAYAH JAWA TENGAH DENGAN METODE K- MEANS CLUSTERING UNTUK ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS).

PENERAPAN METODE KLASTERISASI K-MEANS UNTUK STRATEGI PROMOSI PADA SMK TAMANSISWA SUKADAMAI. *

Penerapan metode klasterisasi k-means untuk strategi promosi dapat membantu dalam proses pengelompokan data dalam bentuk hasil pengelompokan data C1 “Berpotensi” dan

Pemilihan Cluster Optimum Pada Fuzzy C-means (Studi Kasus: Pengelompokan Kabupaten/kota Di Provinsi Jawa Tengah Berdasarkan Indikator Indeks Pembangunan Manusia)

Berdasarkan hasil pengelompokan kabupaten/kota di Provinsi Jawa Tengah menurut indikator IPM diketahui bahwa cluster 4 merupakan cluster yang terbaik karena

PEMILIHAN CLUSTER OPTIMUM PADA FUZZY C-MEANS (Studi kasus: Pengelompokan Kabupaten/Kota di Jawa Tengah berdasarkan Indikator Indeks Pembangunan Manusia)

Untuk menentukan jarak yang tepat pada kasus pengelompokan kabupaten/kota di Provinsi Jawa Tengah berdasarkan indikator Indeks Pembangunan Manusia (IPM) digunakan

PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)

Pada kasus kemiskinan di Kabupaten dan Kota di Jawa Tengah indikator- indikator yang berpengaruh terhadap presentase penduduk miskin di Kabupaten dan Kota di Jawa

PENGELOMPOKAN KABUPATEN/KOTA JAWA TENGAH BERDASARKAN INDIKATOR KESEJAHTERAAAN MENGGUNAKAN METODE FUZZY GUSTAFSON KESSEL - Repository Universitas Muhammadiyah Semarang

Mengetahui karakteristik cluster yang terbentuk menggunakan metode Fuzzy Gustafson Kessel dalam pengelompokan kabupaten/kota Jawa Tengah berdasarkan indikator Kesejahteraan 1.4 Manfaat