Penerapan Metode Clustering dengan Algoritma K-Means untuk Pengelompokkan Data Migrasi Penduduk Tiap Kecamatan di Kabupaten Rembang

Article Sidebar

pdf
Published Mar 13, 2023

Main Article Content

Nayla Nur Afidah
Universitas Negeri Semarang
Masrukan Masrukan
Universitas Negeri Semarang

Abstract

Adanya kemajuan teknologi informasi saat ini menjadikan kebutuhan akan informasi dari sekumpulan data semakin tinggi. Salah satuya adalah informasi mengenai bidang kependudukan yaitu migrasi. Migrasi merupakan satu dari tiga faktor dasar yang mempengaruhi dinamika kependudukan, selain faktor kelahiran dan kematian. Migrasi diartikan sebagai perpindahan penduduk dari satu tempat ke tempat yang lain dengan tujuan untuk menetap. Peninjauan migrasi sangat penting untuk ditelaah mengingat adanya desentralisasi dan distribusi penduduk yang tidak merata. Data penelitian diperoleh dari Dinas Kependudukan dan Pencatatan Sipil Kabupaten Rembang. Metode pengolahan data yang digunakan dalam pembahasan ini adalah metode clustering dengan algoritma K-Means, dimana data akan dikelompokkan menjadi 3 cluster yaitu tinggi (C1), sedang (C2), dan rendah (C3). Tujuan dari penelitian ini adalah untuk mengelompokkan data migrasi penduduk tiap kecamatan di Kabupaten Rembang. Analisis data menggunakan algoritma K-Means dilakukan dengan cara perhitungan manual dan memanfaatkan aplikasi RapidMinner. Hasil yang diperoleh dari pembahasan ini adalah bahwa terdapat sedikit perbedaan antara perhitungan manual dengan aplikasi RapidMinner dimana pada perhitungan manual cluster 1 (C1) sebanyak 7 kecamatan, cluster 2 (C2) sebanyak 6 kecamatan, dan cluster 3 (C3) sebanyak 1 kecamatan. Sedangkan pada aplikasi RapidMinner cluster 1 (C1) sebanyak 10 kecamatan, cluster 2 (C2) sebanyak 3 kecamatan, dan cluster 3 (C3) sebanyak 1 kecamatan.

Article Details

How to Cite
Afidah, N., & Masrukan, M. (2023). Penerapan Metode Clustering dengan Algoritma K-Means untuk Pengelompokkan Data Migrasi Penduduk Tiap Kecamatan di Kabupaten Rembang. PRISMA, Prosiding Seminar Nasional Matematika, 6, 729-738. Retrieved from http://journal.unnes.ac.id/sju/prisma/article/view/67038
Issue
Vol 6 (2023): PRISMA, Prosiding Seminar Nasional Matematika XVI
Section
Articles

References

Badan Pusat Statistik (BPS). (2016). Migrasi Risen (Recent Migration) Tahun 2015.
Dani, A. T. R., Wahyuningsih, S., & Rizki, N. A. (2019). Penerapan Hierarchical Clustering Metode Agglomerative pada Data Runtun Waktu. Jambura Journal of Mathematics, 1(2), 64-78.
Dinas Kependudukan dan Pencatatan Sipil Kabupaten Rembang. (2021). Pindah dan Datang Antar Kabupaten/Kota 2021.
Fakhri, D.A., Defit, S., & Sumijan. (2021). Optimalisasi Pelayanan Perpustakaan terhadap Minat Baca Menggunakan Metode K-Means Clustering. Jurnal Informasi dan Teknologi, 3(3), 160-166.
Irwansyah, E. & Faisal, M. (2015). Advanced Clustering : Teori dan Aplikasi. Yogyakarta: DeePublish.
Mardalius. (2018). Pemanfaatan Rapid Miner Studio 8.2 Untuk Pengelompokan Data Penjualan Aksesoris Menggunakan Algoritma K-Means. Jurnal Teknologi dan Sistem Informasi, 4(2), 123-132.
Mudzakkir, B. D. (2018). Pengelompokan Data Penjualan Produk Pada PT Advanta Seeds Indonesia Menggunakan Metode K-Means. Jurnal Mahasiswa Teknik Informatika, 2(2), 34-40.
Munir, R. (2000). Dasar-dasar Demografi. Jakarta : Lembaga Demografi Fakultas Ekonomi Universitas Indonesia.
Musharyadi, F. (2017). Tingkat Pemahaman Mahasiswa Terhadap Norma Norma Agama Islam Menggunakan Algoritma K-Means Clustering. Menara ilmu, 11(78), 48-54.
Napitupulu, F. S., Damanik, I. S., Saragih, I. S., & Wanto, A. (2020). Algoritma K-Means untuk Pengelompokkan Dokumen Akta Kelahiran pada Tiap Kecamatan di Kabupaten Simalungun. Building of Informatics Technology and Science (BITS), 2(1), 55-63.
Suprayogi. (2013). Data Mining Clustering. Semarang : UDINUS.
Wakhidah, N. (2017). Clustering Menggunakan K-Means Algorithm (K-Means Algorithm Clustering). Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang.