Gaussian Mixture Model dengan Algoritme Expectation Maximization untuk Pengelompokan Data Distribusi Air Bersih di Jawa Barat
Article Sidebar
Main Article Content
Abstract
Air bersih menjadi sesuatu yang tidak dapat dipisahkan dari kehidupan sehari-hari. Ketersediaan air bersih harus tetap terjaga agar kehidupan masyarakat sejahtera dan tidak terjadi krisis air bersih. Namun, meskipun jumlah air relatif tetap menurut ruang dan waktu, kebutuhan terhadap air bersih semakin tinggi akibat pertumbuhan jumlah penduduk dan taraf hidup yang semakin meningkat. Dari data yang ada, kemudian akan diolah menggunakan Gaussian Mixture Model (GMM) dengan algoritme Expectation Maximization (EM) untuk mengelompokan data distribusi air bersih di Jawa Barat. Penelitian ini diharapkan dapat menjadi acuan dalam menentukan kebijakan atau upaya untuk memaksimalkan distribusi air bersih di Jawa Barat. Pada data tersebut dapat dikelompokkan menjadi beberapa cluster yang dihitung menggunakan Bayesian Information Criterion (BIC). Dari hasil clustering menunjukan bahwa, ada beberapa kabupaten/kota di Jawa Barat belum sepenuhnya memperoleh distribusi air bersih dari PDAM secara maksimal seperti Kabupaten Purwakarta dan Kota Banjar.
Article Details
References
Badan Pusat Statistik. (2018). Indikator Perumahan dan Kesehatan Lingkungan 2018. (Online). (https://www.bps.go.id/publication/2018/11/23/7a89433186e6103fa7c15b92/indikator-perumahan-dan-kesehatan-lingkungan-2018.html, diakses 25 September 2022)
Deofanny, N. F., Rohmawati, A. A., & Indwiarti, I. (2022). Model Gaussian Mixture Pada Distribusi Kecepatan Angin Dengan Algoritma Em. EProceedings of Engineering, 9(3), 1978–1984.
Imro'ah, Nurfitri dkk. (2022). Implementasi Metode Latent Class CLuster Analysis dalam Pengelompokan Wilayah Berdasarkan Indikator Indeks Pembangunan Manusia. Buletin Ilmiah Math. Stat dan Terapannya (Bimaster), 11(2), 213-220.
Lin, X., Yang, X., & Li, Y. (2019). A Deep Clustering Algorithm Based on Gaussian Mixture Model. Journal of Physics: Conference Series, 1302(3), 1-9.
Nugroho, S. P. (2018). Evaluasi Keseimbangan Air Di Provinsi Jawa Tengah. Jurnal Air Indonesia, 3(2), 175–181.
Putra, B. C & Afifah, Y. N. (2018). Gaussian Mixture Model untuk Penghitungan Tingkat Kebersihan Sungai Berbasis Pengolahan Citra. Teknika : Engineering and Sains Journal, 2(1), 53-58.
Sari, R. M. (2020). Implementation of Data Mining Using Clustering Methods for Analysis of Dangerous Disease Data. International Journal of Research and Review, 7(4), 237-242.
Sirait, R. E., Darwianto, E., Dwi, D., & Suwawi, J. (2015). Implementasi dan AnalisisAlgoritma Clustering Expectation-maximization (EM) Pada Data Tugas Akhir Universitas Telkom. e-Proceeding of Engineering, 2(2), 6711-6717.
Stanton, Jeffrey & Robert W. De Graaf. (n.d.). Version 3 : An Introduction to Data Science. New York : Creative Commons.
Sundari, O., Bataradewa, S., & Matulessy, E. R. (2021). Penerapan Latent Class Cluster Analysis (LCCA) Pada Pengelompokan Kabupaten/Kota Di Provinsi Papua Barat Berdasarkan Indikator Kesejahteraan Rakyat. Jurnal Natural, 17(2), 165–174.
Webster, Anthony J. (2022). Bayesian Information Criteria for Clustering Normally Distributed Data. Nuffield Department of Population Health, Big Data Institute, Old Road Campus, University of Oxford, 2022.
Widya, P. A., & Sudarma, M. (2019). Implementation of EM Algorithm in Data Mining for Clustering Female Cooperative. IJEET International Journal of Engineering and Emerging Technology, 3(1), 75–79.