Penerapan Data Mining Pada Data Anggaran Pendapatan Belanja Daerah Menggunakan Clustering K-Means

varadhis, mokhammad viqqih (2019) Penerapan Data Mining Pada Data Anggaran Pendapatan Belanja Daerah Menggunakan Clustering K-Means. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text 1 PENDAHULUAN.pdf Download (693kB)
	Text 2 ABSTRAK.pdf Download (227kB)
	Text 3 BAB I.pdf Download (327kB)
	Text 4 BAB II.pdf Restricted to Repository staff only Download (685kB) \| Request a copy
	Text 5 BAB III.pdf Restricted to Repository staff only Download (608kB) \| Request a copy
	Text 6 BAB IV.pdf Restricted to Repository staff only Download (925kB) \| Request a copy
	Text 7 BAB V.pdf Restricted to Repository staff only Download (218kB) \| Request a copy
	Text 8 DAFTAR PUSTAKA.pdf Download (323kB)
	Text 9 LAMPIRAN.pdf Restricted to Repository staff only Download (512kB) \| Request a copy
	Text 10 ARTIKEL.pdf Download (816kB)

Abstract

Salah satu aspek penting dari pemerintah daerah yang harus diatur secara hati-hati adalah masalah pengelolaan keuangan dan anggaran daerah. Anggaran daerah yang tercermin dalam APBD merupakan instrumen kebijakan utama bagi pemerintah daerah, menduduki porsi sentral dalam upaya pengembangan kapabilitas dan efektivitas pemerintah daerah. Clustering adalah teknik data mining yang dapat digunakan untuk mengelompokkan dan mengidentifikasi data Pendapatan Provinsi yang memiliki kesamaan dalam karakteristik tertentu. Metode clustering yang digunakan adalah metode k-means berdasarkan data APBD provinsi seluruh Indonesia . Melakukan pengelompokan berdasarkan perhitungan metode k-means clustering dan melakukan pengelompokan berdasarkan perhitungan SSE sebagai tingkat keakuratan. Hasil penelitian menunjukkan bahwa perhitungan menggunakan 3 cluster lebih baik dari pada menggunakan 2 cluster berdasarkan rata-rata nilai SSE menggunankan 3 cluster yaitu 1.997.420.753.800.730.000.000 sedangkan menggunakan 2 cluster yaitu 2.415.004.562.583.360.000.000.

Item Type:

Thesis (Undergraduate)

Subjects:

600 Technology and Applied Science > 620 Engineering > 622 Mining and Related Operations

Divisions:

Faculty of Engineering > Department of Informatics Engineering (S1)

Department:

["eprint_fieldopt_department_KODEPRODI55201#TEKNIK INFORMATIKA" not defined]

Depositing User:

varadhis mokhammad viqqih

Contributors: