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.

[img] Text
ARTIKEL SKRIPSI.pdf

Download (652kB)
[img] Text
ABSTRAKSI.pdf

Download (167kB)
[img] Text
COVER SKRIPSI SAMPUL.pdf

Download (212kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (285kB)
[img] Text
PENGESAHAN.pdf

Download (83kB)
[img] Text
BAB I.pdf

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

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

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

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

Download (166kB)

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

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

Actions (login required)

View Item View Item