Analisis Cluster dengan Metode Partitioning dan Hierarki pada Data Informasi Kemiskinan Provinsi di Indonesia Tahun 2019
Kemiskinan merupakan salah satu indikator penting dalam melihat keberhasilan pembangunan ekonomi suatu negara. Tingkat kemiskinan di Indonesia sebesar 9,22 persen dengan jumlah penduduk miskin sebanyak 24,79 juta jiwa. Data kemiskinan di setiap daerah akan berbeda dipengaruhi oleh berbagai indikato...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Program Studi Sistem Komputer
2021-09-01
|
| Series: | Komputika |
| Online Access: | https://ojs.unikom.ac.id/index.php/komputika/article/view/4317 |
| _version_ | 1811276803775397888 |
|---|---|
| author | Natasya Afira Arie Wahyu Wijayanto |
| author_facet | Natasya Afira Arie Wahyu Wijayanto |
| author_sort | Natasya Afira |
| collection | DOAJ |
| description |
Kemiskinan merupakan salah satu indikator penting dalam melihat keberhasilan pembangunan ekonomi suatu negara. Tingkat kemiskinan di Indonesia sebesar 9,22 persen dengan jumlah penduduk miskin sebanyak 24,79 juta jiwa. Data kemiskinan di setiap daerah akan berbeda dipengaruhi oleh berbagai indikator. Oleh karena itu penting untuk mengelompokkan daerah-daerah di Indonesia berdasarkan karakteristik kemiskinan sehingga pemerintah dapat dengan tepat mengambil kebijakan terkait penanggulangan kemiskinan. Penelitian ini menggunakan dua metode clustering, yaitu partitioning dan hierarki untuk mengelompokkan provinsi-provinsi di Indonesia berdasarkan karakteristik kemiskinan. Metode partitioning yang dipilih adalah K-Means. Data yang digunakan adalah 8 variabel kemiskinan pada 34 provinsi di Indonesia tahun 2019. Penentuan jumlah cluster menggunakan validasi internal dan validasi stabilitias menunjukkan bahwa metode hierarki dengan jumlah cluster 2 menghasilkan cluster yang paling optimal. Perbandingan metode hierarki dinilai berdasarkan agglomerative coefficient, dimana metode Ward mampu memberikan hasil pengelompokan terbaik.
|
| first_indexed | 2024-04-13T00:04:21Z |
| format | Article |
| id | doaj.art-2e07d3d7c4da4501aed2769de7fb2d65 |
| institution | Directory Open Access Journal |
| issn | 2252-9039 2655-3198 |
| language | Indonesian |
| last_indexed | 2024-04-13T00:04:21Z |
| publishDate | 2021-09-01 |
| publisher | Program Studi Sistem Komputer |
| record_format | Article |
| series | Komputika |
| spelling | doaj.art-2e07d3d7c4da4501aed2769de7fb2d652022-12-22T03:11:16ZindProgram Studi Sistem KomputerKomputika2252-90392655-31982021-09-0110210.34010/komputika.v10i2.4317Analisis Cluster dengan Metode Partitioning dan Hierarki pada Data Informasi Kemiskinan Provinsi di Indonesia Tahun 2019Natasya AfiraArie Wahyu Wijayanto Kemiskinan merupakan salah satu indikator penting dalam melihat keberhasilan pembangunan ekonomi suatu negara. Tingkat kemiskinan di Indonesia sebesar 9,22 persen dengan jumlah penduduk miskin sebanyak 24,79 juta jiwa. Data kemiskinan di setiap daerah akan berbeda dipengaruhi oleh berbagai indikator. Oleh karena itu penting untuk mengelompokkan daerah-daerah di Indonesia berdasarkan karakteristik kemiskinan sehingga pemerintah dapat dengan tepat mengambil kebijakan terkait penanggulangan kemiskinan. Penelitian ini menggunakan dua metode clustering, yaitu partitioning dan hierarki untuk mengelompokkan provinsi-provinsi di Indonesia berdasarkan karakteristik kemiskinan. Metode partitioning yang dipilih adalah K-Means. Data yang digunakan adalah 8 variabel kemiskinan pada 34 provinsi di Indonesia tahun 2019. Penentuan jumlah cluster menggunakan validasi internal dan validasi stabilitias menunjukkan bahwa metode hierarki dengan jumlah cluster 2 menghasilkan cluster yang paling optimal. Perbandingan metode hierarki dinilai berdasarkan agglomerative coefficient, dimana metode Ward mampu memberikan hasil pengelompokan terbaik. https://ojs.unikom.ac.id/index.php/komputika/article/view/4317 |
| spellingShingle | Natasya Afira Arie Wahyu Wijayanto Analisis Cluster dengan Metode Partitioning dan Hierarki pada Data Informasi Kemiskinan Provinsi di Indonesia Tahun 2019 Komputika |
| title | Analisis Cluster dengan Metode Partitioning dan Hierarki pada Data Informasi Kemiskinan Provinsi di Indonesia Tahun 2019 |
| title_full | Analisis Cluster dengan Metode Partitioning dan Hierarki pada Data Informasi Kemiskinan Provinsi di Indonesia Tahun 2019 |
| title_fullStr | Analisis Cluster dengan Metode Partitioning dan Hierarki pada Data Informasi Kemiskinan Provinsi di Indonesia Tahun 2019 |
| title_full_unstemmed | Analisis Cluster dengan Metode Partitioning dan Hierarki pada Data Informasi Kemiskinan Provinsi di Indonesia Tahun 2019 |
| title_short | Analisis Cluster dengan Metode Partitioning dan Hierarki pada Data Informasi Kemiskinan Provinsi di Indonesia Tahun 2019 |
| title_sort | analisis cluster dengan metode partitioning dan hierarki pada data informasi kemiskinan provinsi di indonesia tahun 2019 |
| url | https://ojs.unikom.ac.id/index.php/komputika/article/view/4317 |
| work_keys_str_mv | AT natasyaafira analisisclusterdenganmetodepartitioningdanhierarkipadadatainformasikemiskinanprovinsidiindonesiatahun2019 AT ariewahyuwijayanto analisisclusterdenganmetodepartitioningdanhierarkipadadatainformasikemiskinanprovinsidiindonesiatahun2019 |