Algoritma K-Means Dengan Metode Elbow Untuk Mengelompokkan Kabupaten/Kota Di Jawa Tengah Berdasarkan Komponen Pembentuk Indeks Pembangunan Manusia
Abstract
IPM (Indeks Pembangunan Manusia) merupakan pengukur perbandingan keberhasilan pembangunan manusia yang dibasakan pada indikator kesehatan, pendidikan, dan hidup layak. Pada tahun 2010-2018, pencapaian angka IPM provinsi Jawa Tengah mengalami kenaikan sebesar 5.04 poin dari 66.08 menjadi 71.12. Jawa Tengah di sisi lain, saat ini berada di peringkat ke-13 dari 34 provinsi di Indonesia. Oleh karena itu, diperlukan suatu metode untuk mengelompokkan kabupaten/kota di Jawa Tengah berdasarkan komponen Pembentuk IPM menggunakan metode clustering yaitu algoritma KMeans. Metode Elbow digunakan untuk mencari ukuran cluster yang optimal untuk menentukan ukuran cluster terbaik. Data yang digunakan yaitu data Komponen Pembentuk IPM di Jawa Tengah tahun 2018. SSE (Sum of Squares Error) jarak pada metode Elbow cluster yang dihasilkan terbaik yang berada pada 2 cluster dari pengujian dimulai dari 2 cluster hingga 10 cluster. Cluster 1 memiliki 29 anggota kabupaten/kota, sedangkan cluster 2 hanya memiliki 6 anggota kabupaten/kota. Berdasarkan hasil karakteristik data empat komponen indeks pembangunan manusia tahun 2018 cluster 1 memiliki komponen pembentuk lebih rendah dibandingkan dengan cluster 2.
Keywords: Clustering, Elbow, Indeks Pembangunan Manusia, K-Means.
Full Text:
PDFReferences
Permasalahan dan Metode Terkait. Jurnal Sistem dan Informatika. Vol.3,pp:47-60. Denpasar, Bali
Anonim. Badan Pusat Statistik. 2018. Angka Harapan Hidup Penduduk Jawa Tengah menurut Kabupaten/Kota. Semarang: Badan Pusat Statistika Jawa Tengah.
Anonim.Badan Pusat Statistik. 2018. Harapan Lama Sekolah Penduduk Jawa Tengah menurut Kabupaten/Kota. Semarang: Badan Pusat Statistika Jawa Tengah.
Anonim. Badan Pusat Statistik. 2018. Rata-rata Lama Sekolah Penduduk Jawa Tengah menurut Kabupaten/Kota. Semarang: Badan Pusat Statistika Jawa Tengah.
Anonim.Badan Pusat Statistik. 2018. Pengeluaran Perkapita yang Disesuaikan Penduduk Jawa Tengah menurut Kabupaten/Kota. Semarang: Badan Pusat Statistika Jawa Tengah.
Anonim. Badan Pusat Statistik Provinsi Jawa Tengah. 2018. Jawa Tengah Dalam Angka 2018. Semarang: Badan Pusat Statistik Jawa Tengah.
Astuti, E.W. 2015. Clustering Program Keahlian Pada Pendaftaran Siswa Baru (PSB) Dengan Menggunakan Algoritma K-Means. Jurnal SPIRIT, Vol.7, hal. 58-65.
Han, J., & Kamber, M. 2006. Data Mining: Concept and Techniques, SecondEdition. Waltham: Morgan Kaufmann Publishers.
Kasiram, M. 2008. Metode Penelitian Kuantitatif-Kualitatif. Malang: UIN Malang Press.
Kusrini & Luthfi, Emha Taufiq. 2009. Algoritma Data Mining. Yogyakarta: Andi Offset
Larose, Daniel, T. 2005. Discovering Knowledge In Data: An Introduce to Data Mining. Canada: John Willey and Sons, Inc
Merliana, N. P. E., Ernawati, & Santoso, A. J. 2015. Analisa Penentuan Jumlah Cluster Terbaik pada Metode K-Means Clustering. Yogyakarta: Prosiding Seminar Nasional Multi Disiplin Ilmu & Call for Papers Unisbank (Sendi_U), 978-979.
Prasetyo, Eko. 2013. Data Mining: Konsep dan Aplikasi Menggunakan Matlab. Jakarta: Andi Publisher
Rismawan, T, dan Kusumadewi, S. 2008. Aplikasi K-Means Untuk pengelompokan Mahasiswa Berdasarkan Nilai Body Mass Index (BMI) & Ukuran Kerangka, SNATI. Yogyakarta.
Santosa, B. 2007. Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu
Santoso, S. 2010. Statistik Multivariat.jakarta: Elex Media Komputindo
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.