//

ANALISIS PERBANDINGAN METODE CLUSTERING K-MEANS DAN SELF ORGANIZING MAPS KOHONEN TERHADAP PENGELOMPOKAN KABUPATEN/KOTA BERDASARKAN KARAKTERISTIK KEMISKINAN DI PROVINSI ACEH

BACA FULL TEXT ABSTRAK Pemesanan Versi cetak
Pengarang RAIHAN NORA - Personal Name

Abstrak/Catatan

Analisis cluster bertujuan mengelompokan objek berdasarkan kesamaan karakteristik data sehingga objek-objek mempunyai variasi yang lebih kecil dalam kelompok. K-Means merupakan metode paling sederhana dan umum digunakan. Metode SOM dapat memvisualisasikan hasil pengelompokan dalam bentuk topografi dua dimensi. Provinsi Aceh merupakan salah satu provinsi yang memiliki tingkat kemiskinan cukup tinggi. Karena itu, perlu dilakukan penanggulangan kemiskinan masyarakat Aceh. Salah satu cara dengan mengetahui persebaran data kemiskinan. Dalam penelitian ini digunakan metode K-means dan SOM Kohonen. Tujuan pengelompokan dan perbandingan kedua metode tersebut adalah untuk mengetahui karakteristik berdasarkan metode terbaik. Data yang digunakan adalah Basis Data terpadu (BDT) Provinsi Aceh terdiri dari 14 variabel. Hasil pengelompokan metode K-Means, cluster 1 terdiri dari Aceh Utara, cluster 2 terdiri dari Aceh Timur, Aceh Besar, Pidie, Bireuen, cluster 3 terdiri dari Simeulue, Aceh Singkil, Aceh Selatan, Aceh Tenggara, Aceh Tengah, Aceh Barat, Aceh Barat Daya, Gayo Lues, Aceh Tamiang, Nagan Raya, Aceh Jaya, Bener Meriah, Pidie Jaya, Banda Aceh, Sabang, Langsa, Lhokseumawe dan Subulussalam. Hasil pengelompokan metode SOM, cluster 1 terdiri dari Simeulue, Aceh Singkil, Aceh Tenggara, Aceh Barat, Aceh Barat Daya, Gayo Lues, Nagan Raya, Aceh Jaya, Bener Meriah, Pidie Jaya, Banda Aceh Sabang, Langsa, Lhokseumawe dan Subulussalam. Cluster 2 terdiri dari Aceh Selatan, Aceh Tengah, Aceh Besar dan Aceh Tamiang. Cluster 3 terdiri dari Aceh Timur, Pidie, Bireuen dan Aceh Utara. Berdasarkan nilai Connectivity Index, Dunn Index dan Silhouette Index menunjukkan SOM merupakan metode terbaik dibandingkan K-Means. Pengelompokan menggunakan metode SOM menunjukkan karakteristik dari cluster 1 rendah tingkat kemiskinannya dengan variabel yang dominan yaitu X6, X10, X11, X12, X13 dan X14. Cluster 2 memiliki tingkat kemiskinan yang sedang dimana variabel yang dominan yaitu X1, X2, X3, X4, X5, X8, X9, X10, X11, X12 dan X13. Cluster 3 merupakan kabupaten/kota dengan tingkat kemiskinan yang tinggi dimana semua variabel dominan. Kata Kunci: Cluster SOM, K-Means, Kemiskinan, Aceh

Tempat Terbit
Literature Searching Service

Hard copy atau foto copy dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan isi formulir online (Formulir Online)

Share Social Media

Tulisan yang Relevan

PENGELOMPOKAN KAB/KOTA DI INDONESIA BERDASARKAN NILAI MATA PELAJARAN UN IPA MENGGUNAKAN METODE K-MEANS CLUSTERING (AINUN MARDHIAH, 2018)

PENGELOMPOKAN KABUPATEN/KOTA MENGGUNAKAN NILAI UJIAN NASIONAL SMA/MA JURUSAN IPS DI INDONESIA TAHUN 2015 MENGGUNAKAN METODE COMPLETE LINKAGE DAN K-MEANS CLUSTERING (Khairul Amri, 2018)

ANALISA PENGELOMPOKAN PENUNGGAKAN PEMBAYARAN LISTRIKRN(STUDI KASUS PT. PLN (PERSERO),CABANG RNMERDUATI BANDA ACEH) (Khusnul Azima, 2015)

ANALISIS PERBANDINGAN METODE FUZZY C-MEANS, FUZZY GUSTAFSON KESSEL, DAN FUZZY GATH GEVA MENGGUNAKAN CITRA SATELIT QUICKBIRD (STUDI KASUS DESA LEUBOK BATEE, KECAMATAN INGIN JAYA, KABUPATEN ACEH BESAR). (Warda Zifal, 2014)

ANALISIS DISKRIMINAN DALAM MENENTUKAN FUNGSI PENGELOMPOKAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN MANUSIA (LYRA ORNILA, 2017)

  Kembali ke sebelumnya

Pencarian

Advance



Jenis Akses


Tahun Terbit

   

Program Studi

   

© UPT. Perpustakaan Universitas Syiah Kuala 2015     |     Privacy Policy