Implementasi Metode Mcquitty Linkage dan K-Means Clustering dengan Pendekatan Rule-of-Thumb pada Data Kemiskinan di Jawa Tengah

Article Sidebar

pdf
Published Mar 5, 2023

Main Article Content

Yessy Dwi Ramadani
Universitas Sebelas Maret
Bowo Winarno

Abstract

Kemiskinan merupakan salah satu penyakit perekonomian mendasar untuk setiap negara tidak terkecuali di Indonesia. Badan Pusat Statistik Jawa Tengah mencatat bahwa penduduk Jawa Tengah yang hidup di bawah garis kemiskinan bertambah sejumlah 128,85 ribu jiwa menjadi 4,11 juta jiwa pada Maret 2021 dibanding Maret 2020. Berdasarkan kondisi tersebut, penelitian ini bertujuan untuk mengelompokkan penduduk miskin di Jawa Tengah agar pemerataan bantuan di setiap daerah lebih tepat sasaran. Penelitian ini menerapkan metode K-Means dengan Mcquitty Linkage sehingga dapat mengatasi masalah penentuan pusat cluster K-Means yang dilakukan secara acak. Jumlah cluster dalam penelitian ini ditentukan menggunakan pendekatan Rule-of-Thumb. Hasil penelitian menunjukkan bahwa clustering  metode K-Means dengan Mcquitty Linkage lebih baik daripada K-Means saja. Selain itu, pendekatan Rule-of-Thumb menunjukkan bahwa jumlah  cluster yang optimal untuk pengelompokan data kemiskinan di Jawa Tengah adalah sebanyak 4 cluster.

Article Details

How to Cite
Ramadani, Y., & Winarno, B. (2023). Implementasi Metode Mcquitty Linkage dan K-Means Clustering dengan Pendekatan Rule-of-Thumb pada Data Kemiskinan di Jawa Tengah. PRISMA, Prosiding Seminar Nasional Matematika, 6, 751-756. Retrieved from https://journal.unnes.ac.id/sju/prisma/article/view/66384
Issue
Vol 6 (2023): PRISMA, Prosiding Seminar Nasional Matematika XVI
Section
Articles

References

Alfina, T., Santosa, B., Barakbah, A. R. (2012). Tahta Alfina, Budi Santosa, dan Ali Ridho Barakbah Jurusan Teknik Industri, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111. Jurnal Teknik POMITS, 1(1), 1–5
Andrea, T., Wahyuningsih, S., Nanda, A. (2019). Penerapan Hierarchial Clustering Metode Agglomerative pada Data Runtun Waktu. Jurnal of Mathematics, 1(2), 64–78.
Aprilia, A., Rahmawati, W. M., Hakimah, M. (2019). Penentuan Kategori Status Gizi Balita Menggunakan Penggabungan Metode Klasterisasi Agglomerative Dan K-Means. Seminar Nasional Sains Dan Teknologi Terapan VII - Institut Teknologi Adhi Tama Surabaya, 595–600.
Badan Pusat Statistik (BPS). 2021. Data dan Informasi Kemiskinan Kabupaten/Kota 2021. Jakarta: Badan Pusat Statistik.
Febianto, N. I., Palasara, N. (2019). Analisa Clustering K-Means Pada Data Informasi Kemiskinan Di Jawa Barat Tahun 2018. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 8(2), 130–140. https://doi.org/10.32736/sisfokom.v8i2.653
Handoyo, R., R. Rumani, M., Naution, S. M. (2014). Perbandingan Metode Clustering Menggunakan Metode Single Linkage dan K-Means Pada Pengelompokkan Dokumen. JSM STMIK Mikroskil, 15(2), 73–82.
Nishom, M., Fathoni, M. Y. (2018). Implementasi Pendekatan Rule-Of-Thumb untuk Optimasi Algoritme K-Means Clustering. Jurnal Informatika: Jurnal Pengembangan IT, 3(2), 237–241. https://doi.org/10.30591/jpit.v3i2.909
Rahmawati, L., Widya Sihwi, S., Suryani, E. (2016). Analisa Clustering Menggunakan Metode K-Means Dan Hierarchical Clustering (Studi Kasus : Dokumen Skripsi Jurusan Kimia, Fmipa, Universitas Sebelas Maret). Jurnal Teknologi Informasi ITSmart, 3(2), 66. https://doi.org/10.20961/its.v3i2.654
Wahyuni, S., Jatmiko, Y. A. (2019). Pengelompokan Kabupaten/Kota di Pulau Jawa Berdasarkan Faktor-Faktor Kemiskinan dengan Pendekatan Average Linkage Hierarchical Clustering. Jurnal Aplikasi Statistika Komputasi Statistik, 10(1), 1. https://doi.org/10.34123/jurnalasks.v10i1.197
Yuli Mardi. (2019). Data Mining : Klasifikasi Menggunakan Algoritme C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database (KDD). Jurnal Edik Informatika. Jurnal Edik Informatika, 2(2), 213–219.