ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) UNTUK MENGELOMPOKKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN KOMPONEN PEMBENTUK INDEKS PEMBANGUNAN MANUSIA

Anjarsari, Anafillah Yulia (2020) ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) UNTUK MENGELOMPOKKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN KOMPONEN PEMBENTUK INDEKS PEMBANGUNAN MANUSIA. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

	Text A. PENDAHULUAN.pdf Download (779kB)
	Text B. ABSTRAK.pdf Download (253kB)
	Text C. BAB I.pdf Download (351kB)
	Text D. BAB II.pdf Restricted to Repository staff only Download (668kB) \| Request a copy
	Text E. BAB III.pdf Restricted to Repository staff only Download (965kB) \| 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 (175kB) \| Request a copy
	Text H. DAFTAR PUSTAKA.pdf Download (176kB)
	Text I. LAMPIRAN.pdf Download (2MB)
	Text J. ARTIKEL.pdf Download (140kB)

Abstract

Indeks Pembangunan Manusia (IPM) merupakan pengukur perbandingan keberhasilan pembangunan manusia yang didasarkan pada indikator Kesehatan, Pendidikan, dan Standar Hidup Layak. IPM memiliki empat komponen pembentuk yaitu Angka Harapan Hidup (AHH), Angka Harapan Lama Sekolah (AHLS), Rata-rata Lama Sekolah (RLS), dan Pengeluaran Riil per Kapita yang disesuaikan (PRK). Provinsi Jawa Timur merupakan salah satu provinsi di Indonesia yang memiliki perkembangan yang cukup baik dalam pembangunan kependudukan. Namun dari perkembangan tersebut Jawa Timur masih berada di urutan 21 dari 34 provinsi di Indonesia. Oleh karena itu, dibutuhkan metode untuk mengelompokkan kabupaten/kota di Jawa Timur berdasarkan Komponen Pembentuk IPM, salah satu algoritma clustering yang dapat digunakan adalah Partitioning Around Medoids (PAM). Data yang digunakan yaitu data Komponen Pembentuk IPM di Jawa Timur tahun 2018. Dari serangkaian pengujian dimulai dari 2 cluster hingga 10 cluster, dihasilkan cluster optimum yang berada pada 3 cluster berdasarkan nilai terendah yang dihitung dengan metode Davies Bouldin Index. Cluster 1 terdiri dari 18 anggota kabupaten/kota, cluster 2 terdiri dari 3 anggota kabupaten/kota, dan cluster 3 yang terdiri dari 17 anggota kabupaten/kota. Berdasarkan hasil karakteristik data keempat komponen Indeks Pembangunan Manusia tahun 2018, cluster 2 memiliki komposisi lebih tinggi dibandingkan dengan cluster 1 dan cluster 3.

Item Type:

Thesis (Undergraduate)

Subjects:

000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science

Divisions:

Faculty of Engineering > Department of Informatics Engineering (S1)

Department:

S1 Teknik Informatika

Depositing User:

ANJARSARI ANAFILLAH YULIA

Contributors: