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.

[img] Text
1 PENDAHULUAN.pdf

Download (693kB)
[img] Text
2 ABSTRAK.pdf

Download (227kB)
[img] Text
3 BAB I.pdf

Download (327kB)
[img] Text
4 BAB II.pdf
Restricted to Repository staff only

Download (685kB) | Request a copy
[img] Text
5 BAB III.pdf
Restricted to Repository staff only

Download (608kB) | Request a copy
[img] Text
6 BAB IV.pdf
Restricted to Repository staff only

Download (925kB) | Request a copy
[img] Text
7 BAB V.pdf
Restricted to Repository staff only

Download (218kB) | Request a copy
[img] Text
8 DAFTAR PUSTAKA.pdf

Download (323kB)
[img] Text
9 LAMPIRAN.pdf
Restricted to Repository staff only

Download (512kB) | Request a copy
[img] 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 - Undergraduate Thesis)
Depositing User: varadhis mokhammad viqqih
Date Deposited: 08 Feb 2020 01:53
Last Modified: 08 Feb 2020 01:53
URI: http://repository.unmuhjember.ac.id/id/eprint/3530

Actions (login required)

View Item View Item