ALGORITMA K-MEANS DENGAN METODE ELBOW UNTUK MENGELOMPOKKAN KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN KOMPONEN PEMBENTUK INDEKS PEMBANGUNAN MANUSIA

sari yuliana, rina (2021) ALGORITMA K-MEANS DENGAN METODE ELBOW UNTUK MENGELOMPOKKAN KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN KOMPONEN PEMBENTUK INDEKS PEMBANGUNAN MANUSIA. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

	Text A. PENDAHULUAN.pdf Download (2MB)
	Text B. ABSTRAK.pdf Download (316kB)
	Text C. BAB I.pdf Download (599kB)
	Text D. BAB II.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text E. BAB III.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text F. BAB IV.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text G. BAB V.pdf Restricted to Repository staff only Download (314kB) \| Request a copy
	Text H. DAFTAR PUSTAKA.pdf Download (318kB)
	Text I. LAMPIRAN.pdf Restricted to Repository staff only Download (3MB) \| Request a copy
	Text J. ARTIKEL.pdf Download (740kB)

Abstract

Indeks Pembangunan Manusia (IPM) merupakan pengukur perbandingan keberhasilan pembangunan manusia yang didasarkan pada indikator Kesehatan, Pendidikan, dan Standar Hidup Layak. Pada tahun 2010-2018, pencapaian angka IPM provinsi Jawa Tengah mengalami kenaikan sebesar 5.04 poin dari 66.08 menjadi 71.12. Namun dari perkembangan tersebut Jawa Tengah masih berada diurutan 13 dari 34 provinsi di Indonesia. oleh karena itu, dibutuhkan metode untuk mengelompokkan kabupaten/kota di Jawa Tengah berdasarkan komponen Pembentuk IPM dengan menggunakan metode clustering yaitu algoritma K-Means. Untuk pengukuran cluster optimum dalam menentukan cluster terbaik, metode yang digunakan adalah metode Elbow. Data yang digunakan yaitu data Komponen Pembentuk IPM di Jawa Tengah tahun 2018. Dari serangkaian pengujian dimulai dari 2 cluster hingga 10 cluster, dihasilkan cluster terbaik yang berada pada 2 cluster berdasarkan jarak SSE (Sum of Squares Error) pada metode Elbow. Pada cluster 1 terdiri dari 29 anggota kabupaten/kota dan cluster 2 terdiri dari 6 anggota kabupaten/kota. Berdasarkan hasil karakteristik data keempat komponen Indeks Pembangunan Manusia tahun 2018, cluster 1 memiliki komponen pembentuk lebih rendah dibandingkan dengan cluster 2.

Item Type:

Thesis (Undergraduate)

Uncontrolled Keywords:

Kata Kunci : Indeks Pembangunan Manusia, Clustering, K-Means, Elbow.

Subjects:

000 Computer Science, Information, & General Works > 005 Computer Programming, Programs, & Data

Divisions:

Faculty of Engineering > Department of Informatics Engineering (S1)

Department:

S1 Teknik Informatika

Depositing User:

RINA YULIANA SARI