Algoritma Fuzzy C-Means dan Metode Davies Bouldin Index (DBI) untuk Mengolompokkan Kabupaten/Kota di Jawa Timur Berdasarkan Sanitasi Layak, Air Minum Layak, dan Rumah Layak Huni

Ferdiyan Teguh Permadi, Agung Nilogiri, Ulya Anisatur Rosyidah

Abstract


Sanitasi layak, air minum layak, dan rumah layak huni merupakan sektor penting pada kesehatan lingkungan untuk kebutuhan dasar manusia. Upaya ipemenuhan ikebutuhan itersebut isejalan idengan Agenda iGlobal iTujuan iPembangunan iBerkelanjutan 2030, yaitu SDGs (Sustainable Development Goals). Demi tercapainya tujuan tersebut, pemerintah pusat maupun daerah membuat berbagai macam program dan target. Dari permasalahan tersebut, diperlukan suatu kajian yang dapat memberikan referensi atau alternatif dalam menentukan target daerah yang tepat, salah satunya dengan algoritma Fuzzy C-Means Clustering dan metode Davies Bouldin Index (DBI). Data yang digunakan adalah persentase rumah tangga memiliki akses terhadap sanitasi layak, sumber air minum layak, dan rumah layak huni di 38 kabupaten/kota di Jawa Timur tahun 2019-2020. Dari iserangkaian pengujian imulai idari i2 icluster isampai i10 icluster, idihasilkan icluster ioptimum berdasarkan nilai DBI terkecil berada pada 2 cluster yaitu dengan nilai DBI 0,740173.

 

Kata Kunci: SDGs, clustering, fuzzy c-means, DBI.

Full Text:

PDF

References


Aminah, S., Irfan, A. P., & Zulkarnaim, N. 2019. Clustering Wilayah berdasarkan Data Kesehatan Lingkungan menggunakan Fuzzy C-Means. Majene: JCIS (Journal of Computer and Information System).

Asdi, Y. 2017. Pengenalan Software R. Padang: FMIPA Universitas Andalas.

Fahmi, M., F., dkk. 2016. Segmentation and distribution of watershed using K-Modes Clustering Algorithm and Davies-Bouldin Index based on Geographic information System (GIS). Surabaya: International Seminar on Application for Technology of Information and Communication.

Han, J., Kamber, M., & Pei, J. 2012. Data Mining Concepts And Techniques, Thrid Edition. Waltham: Morgan Kaufmann Publishers.

Hermawati, F. A. 2013. Data Mining. Yogyakarta: Andi.

Jollyta, D., Efendi, S., Zarlis, M., & Mawengkang, H. 2019. Optimasi Cluster Pada Data Stunting: Teknik Evaluasi Cluster Sum of Square Error dan Davies Bouldin Index. Medan: Prosiding Seminar Nasional Riset Information Science (SENARIS).

Larose, D. T., & Larose, C. D. 2014. Discovering Knowledge In Data: An Introduction To Data Mining: Second Edition. Canada: John Wiley & Sons, Inc.

Lubis, I., Aisyah, N., & Mardikanto, A. K. 2019. Pedoman Pengukuran Capaian Pembangunan Perumahan dan Permukiman Berbasis Hasil (Outcome). Jakarta: Kementerian Perencanaan Pembangunan Nasional.

Mayasari, T. R. 2019. Clustering Akses Air Bersih dan Sanitasi Layak Kabupaten/Kota di Provinsi Lampung. Lampung: Seminar Nasional Official Statistics 2019.

Muningsih, E., Maryani, I., & Handayani, V. R. 2021. Penerapan Metode K-Means dan Optimasi Jumlah Cluster dengan Index Davies Bouldin untuk Clustering Propinsi Berdasarkan Potensi Desa. Jakarta: Evolusi: Jurnal Sains dan Manajemen.

Ningsi, L. N., Poningsih, & Tambunan, H. S. 2021. Implementasi Data Mining Kluster pada Rumah Tangga yang Memiliki Akses Hunian Layak Berdasarkan Provinsi. Pematangsiantar: KLIK: Kajian Ilmiah Informatika dan Komputer.

Nugraha, G. S., & Riyandari, B. A. 2020. Implementasi Fuzzy C-Means untuk Mengelompokan Daerah berdasarkan Indikator Kesehatan. Mataram: Jurnal Teknologi Informasi, Vol.4, No.1.

Pangeswari, D, dkk. 2021. Statistik Perumahan dan Pemukiman Provinsi Jawa Timur, 2020. Surabaya: Badan Pusat Statistika Provinsi Jawa Timur.

Rohmah, R. L. 2019. Zonasi Daerah Terdampak Bencana Angin Puting Beliung Menggunakan K-Means Clustering dengan Silhouette Coefficient, Davies Bouldin Index, dan Purity. Surabaya: Universitas Islam Negeri Sunan Ampel Surabaya.


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.