PENENTUAN CLUSTER OPTIMUM UNTUK MENGELOMPOKAN KABUPATEN DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN DAN TINGKAT KEMISKINAN MENGGUNAKAN METODE K-MEANS



Alfariani, Eva (2019) PENENTUAN CLUSTER OPTIMUM UNTUK MENGELOMPOKAN KABUPATEN DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN DAN TINGKAT KEMISKINAN MENGGUNAKAN METODE K-MEANS. Undergraduate thesis, Universitas Muhammadiyah Jember.

[thumbnail of ARTIKEL SKRIPSI.pdf] Text
ARTIKEL SKRIPSI.pdf

Download (652kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf

Download (285kB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (173kB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf
Restricted to Repository staff only

Download (552kB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Repository staff only

Download (939kB)
[thumbnail of BAB IV.pdf] Text
BAB IV.pdf
Restricted to Repository staff only

Download (1MB)
[thumbnail of BAB V.pdf] Text
BAB V.pdf
Restricted to Repository staff only

Download (166kB)
[thumbnail of 1510651073.pdf] Text
1510651073.pdf

Download (1MB)

Abstract

Di Jawa Timur tingkat pengangguran dan tingkat kemiskinan mengalami
perubahan setiap tahunnya di beberapa kabupaten/kota. Pengetahuan tentang kelompok
wilayah yang terdapat dalam masing-masing kelompok dapat membantu pengambilan
kebijakan berbeda-beda setiap tahunnya yang akan dibuat oleh pemerintah provinsi.
Pada penelitian sebelumnya ada pengetahuan untuk mengetahui kelompok
wilayah namun menggunakan atribut atau variabel yang berbeda. Penelitian ini
menggunakan algoritma K-Means Clustering untuk mengetahui kelompok wilayah
kabupaten/kota di Jawa Timur dengan pengukuran performance menggunakan teknik
Davies-Bouldin Index untuk mencari cluster terbaiknya. Data yang digunakan adalah
data tingkat pengangguran dan tingkat kemiskinan kabupaten provinsi Jawa Timur
yang memiliki karakteristik 12 fitur dan 456 record.
Dari hasil penelitian yang dilakukan diperoleh cluster terbaiknya sebesar 3
karena memiliki nilai Davies-Bouldin Index (DBI) yang paling minimum yaitu
0.651284382, untuk pengelompokan 2 cluster diperoleh nilai Davies-Bouldin Index
(DBI) 0.732798572, dan pengelompokan 4 cluster diperoleh nilai Davies-Bouldin
Index (DBI) 0.693562132.

Kata kunci: Data Mining, Clustering, K-Means, Davies-Bouldin Index

Contribution
Nama Dosen Pembimbing
NIDN/NIDK
UNSPECIFIED
Eko Wardoyo, Ari
nidn0014027501
UNSPECIFIED
Nilogiri, Agung
nidn0030037701

Item Type: Thesis (Undergraduate)
Subjects: 600 Technology and Applied Science > 620 Engineering
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: rahma wahyu ningsih | ningsihrahmawahyu@gmail.com
Date Deposited: 03 Dec 2020 04:56
Last Modified: 19 Feb 2025 06:48
URI: http://repository.unmuhjember.ac.id/id/eprint/7132

Actions (login required)

View Item View Item