Algoritma Fuzzy C-Means Dengan Metode Elbow Untuk Mengelompokkan Provinsi Di Indonesia Berdasarkan Indeks Pembangunan Gender

Adi Yuliantono, David (2020) Algoritma Fuzzy C-Means Dengan Metode Elbow Untuk Mengelompokkan Provinsi Di Indonesia Berdasarkan Indeks Pembangunan Gender. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text A. PENDAHULUAN.pdf Download (2MB)
	Text B. ABSTRAK.pdf Download (477kB)
	Text C. BAB I.pdf Download (403kB)
	Text D. BAB II.pdf Restricted to Repository staff only Download (845kB) \| 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 (340kB) \| Request a copy
	Text H. DAFTAR PUSTAKA.pdf Download (399kB)
	Text I. LAMPIRAN.pdf Restricted to Repository staff only Download (3MB) \| Request a copy
	Text J. ARTIKEL.pdf Download (1MB)

Abstract

Indeks Pembangunan Gender (IPG) merupakan salah satu alat ukur tingkat keberhasilan capaian pembangunan yang sudah disiapkan untuk persoalan gender. IPG adalah ukuran pembangunan manusia berbasis gender yang dilihat dari tiga dimensi yakni dimensi panjang umur dan hidup sehat, pengetahuan, dan standar hidup layak. Secara umum karakteristik gender laki-laki dan perempuan berbeda secara biologis. Perbedaan tersebut tidak menjadi masalah jika disertai kesetaraan antara laki-laki dan perempuan, ketidakadilan yang terjadi dapat menimbulkan korban bagi laki-laki maupun perempuan. Oleh karena itu, dibutuhkan metode pengelompokan data IPG di Indonesia menggunakan algoritma Fuzzy C-Means. Data yang digunakanan yaitu data IPG di Indonesia tahun 2019. Dari pengujian 2 sampai 10 cluster yang telah dilakukan, dihasilkan cluster optimum yang berada pada 2 cluster berdasarkan jarak Sum of Square Error (SSE) pada metode Elbow. Pada cluster 1 terdiri dari 12 anggota provinsi dan cluster 2 terdiri dari 22 anggota provinsi. Berdasarkan karakteristik data tahun 2016 sampai dengan 2019, cluster lebih rendah dibandingkan dengan cluster 2.

Item Type:

Thesis (Undergraduate)

Uncontrolled Keywords:

clustering, fuzzy c-means, elbow, IPG

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:

David Adi Yuliantono