IMPLEMENTASI ALGORITMA FUZZY C-MEANS DENGAN PARTICLE SWARM OPTIMIZATION UNTUK PENGELOMPOKAN TINGKAT KESEJAHTERAAN DI PROVINSI JAWA TENGAH
Abstract
Kesejahteraan masyarakat adalah keadaan dimana setiap warga negara selalu terpenuhi segala kebutuhan material dan spiritualnya secara utuh. Ketimpangan dalam pembahasan kesejahteraan disebabkan oleh perbedaan wilayah dalam hal sumber daya, demografi, dan pembangunan. Tingkat kesejahteraan di wilayah yang bersangkutan akan dipengaruhi oleh perbedaan pembangunan antar wilayah tersebut. Konsekuensi ini muncul sebagai keinginan dan kekecewaan yang dapat mengganggu ketentraman masyarakat. Untuk situasi ini, diharapkan upaya untuk menentukan tingkat bantuan pemerintah suatu daerah atau daerah untuk mengatasi disparitas dalam bantuan pemerintah. Pengelompokan kabupaten merupakan salah satu cara untuk mengidentifikasi kabupaten yang akan diprioritaskan. Metode lain adalah menghitung cluster optimal dengan menggabungkan algoritma Fuzzy C-Means dengan Particle Swarm Optimization. Untuk periode 2019-2020, digunakan data 35 kota dan daerah di Jawa Tengah. Dua klaster dengan nilai koefisien siluet 0,1652 diidentifikasi sebagai klaster optimal setelah pengujian dari dua hingga sepuluh klaster. Pada klaster 1 terdapat 15 kabupaten/kota anggota, sedangkan pada klaster 2 terdapat 20 kabupaten/kota anggota.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
Ahmadi, A., & Hartati, S. (2013). Penerapan Fuzzy C-Means Dalam Sistem Pendukung Keputusan untuk Penentuan Penerima Bantuan Langsung Masyarakat (BLM) PNPM-MPd (Studi Kasus PNPM-MPd Kec. Ngadirojo Kab. Pacitan). Berkala Ilmiah MIPA, 23(3), 264–273.
Dwitiyanti, N., Selvia, N., & Andrari, F. R. (2019). Penerapan Fuzzy C-Means Cluster dalam Pengelompokkan Provinsi Indonesia Menurut Indikator Kesejahteraan Rakyat. Faktor Exacta, 12(3).
Efiyah, U. (2014). Penerapan Algoritma Fuzzy C-Means Untuk Pengelompokan Harga Gabah di Tingkat Penggilingan Berdasarkan Kualitas Gabah.
Handoko, K. (2016). Penerapan Data Mining dalam Meningkatkan Mutu Pembelajaran pada Instansi Perguruan Tinggi Menggunakan Metode K-Means Clustering (Studi Kasus di Program Studi TKJ Akademi Komunitas Solok Selatan). Jurnal Teknologi Dan Sistem Informasi, 2(3), 31–40.
Handoyo, R., Mangkudjaja, R., & Nasution, S. (2014). Perbandingan Metode Clustering Menggunakan Metode Single Linkage dan K-Means pada Pengelompokan Dokumen. Jurnal SIFO Mikroskil, 15(2), 73–82.
Mansur, M., Prahasto, T., & Farikhin, F. (2014). Particle Swarm Optimization untuk Sistem Informasi Penjadwalan Resource Di Perguruan Tinggi. Jurnal Sistem Informasi Bisnis, 4(1), 11–19.
Nasution, D. A., Khotimah, H. H., & Chamidah, N. (2019). Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN. Computer Engineering, Science and System Journal, 4(1).
Ramadhan, A., Efendi, Z., & Mustakim. (2017). Perbandingan K-Means dan Fuzzy C-Means untuk Pengelompokan Data User Knowledge Modeling. Seminar Nasional Teknologi Informasi, Komunikasi Dan Industri (SNTIKI) 9, 219–226.
Simbolon, T. R. (2017). Analisa Keterkaitan Ketimpangan Pembangunan Antar Daerah Terhadap Pertumbuhan Ekonomi di Wilayah Sumatera. Seminar Nasional Multidisiplin Ilmu.
Singh, N., Singh, S., & S.B., S. (2012). HPSO: A New Version of Particle Swarm Optimization Algorithm. Journal of Artificial Intelligence, 3(3), 123–134.
Siringoringo, R., & Jamaluddin, J. (2019). Peningkatan Performa Cluster Fuzzy C-Means pada Klastering Sentimen Menggunakan Particle Swarm Optimization. Jurnal Teknologi Informasi Dan Ilmu Komputer, 6(4).
Sugiarto, S., & Wibowo, W. (2019). Klasterisasi Kabupaten/Kota di Jawa Tengah Berdasarkan Indikator Kinerja Pembangunan. Jurnal Litbang Sukowati: Media Penelitian Dan Pengembangan, 3(2).
Widiyanto, M. T. A. C. (2018). Optimasi PSO untuk Metode Clustering Fuzzy C-Means dalam Pengelompokan Kelas. Petir: Jurnal Pengkajian dan Penerapan Teknik Informatika, 11(1), 72–91.
DOI: https://doi.org/10.32528/jasie.v4i1.16223
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 JASIE: Jurnal Aplikasi Sistem Informasi dan Elektronika
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.