KLASTERISASI JUMLAH PENDUDUK PROVINSI JAWA TIMUR TAHUN 2021-2023 MENGGUNAKAN ALGORITMA K-MEANS
Berkas Tugas Akhir
BAB II.pdf
Restricted to Registered users only
BAB III.pdf
Restricted to Registered users only
BAB IV.pdf
Restricted to Registered users only
BAB V.pdf
Restricted to Registered users only
LAMPIRAN.pdf
Restricted to Registered users only
Abstract
Pemahaman terhadap data populasi suatu wilayah menjadi hal yang sangat penting untuk pengembangan kebijakan dan perencanaan strategis. Provinsi Jawa Timur, sebagai provinsi kedua terbesar di Indonesia, mengalami perkembangan penduduk signifikan dari tahun 2021 hingga 2023. Pertumbuhan yang tidak merata menimbulkan tantangan dalam pengelolaan sumber daya dan infrastruktur. Algoritma K-Means digunakan sebagai solusi untuk mengelompokkan data jumlah penduduk ke dalam beberapa kelompok berdasarkan karakteristik tertentu. Metode Elbow digunakan untuk menentukan jumlah klaster optimal, memastikan keakuratan analisis. Tujuan penelitian ini adalah menganalisis dan mengklasterisasi sebaran penduduk di setiap kota di Provinsi Jawa Timur, memberikan gambaran yang lebih rinci dan akurat. Hasil penelitian menunjukkan adanya tiga klaster yang signifikan. Cluster 0 mencakup 21 kota, Cluster 1 mencakup 4 kota, dan Cluster 2 mencakup 13 kota. Temuan ini memiliki implikasi penting untuk perumusan kebijakan pembangunan yang lebih tepat sasaran di tingkat kota di Provinsi Jawa Timur. Selain itu, penelitian ini memberikan kontribusi pada pengembangan bidang analisis demografis dan pengelolaan populasi, dengan metode yang valid dan hasil yang konsisten antara penggunaan RapidMiner dan perhitungan manual.
Informasi Item
| Item Type | Thesis (Undergraduate) |
|---|---|
| Keywords/Kata Kunci | Clustering |
| Subjects | 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science |
| Divisions | Faculty of Engineering > Department of Informatics Engineering (S1) |
| Date Deposited | 23 Jan 2025 01:26 |
| Last Modified | 23 Jan 2025 01:26 |
| URI | https://repository.unmuhjember.ac.id/id/eprint/23852 |
