Penerapan Algoritma K-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten di Jawabarat menggunakan Rapidminer

Bilah Samping Artikel

PDF
Diterbitkan: Mar 27, 2023
DOI: https://doi.org/10.54914/jit.v9i1.660
Kata Kunci:
Clustering, Data Mining, Kemiskinan, K-Means, Rapidminer Clustering, Data Mining, K-Means, Poverty, Rapidminer

Isi Artikel Utama

Nova Novitasari
STMIK IKMI Cirebon
Nisa Dienwati Nuris
STMIK IKMI Cirebon
Ruli Herdiana
STMIK IKMI Cirebon

Abstrak

Kemiskinan saat ini menjadi satu-satunya masalah yang dihadapi setiap daerah. Seperti yang terjadi di Kota/Kabupaten Jawa Barat yang masih terlihat. Kemiskinan sendiri merupakan suatu kondisi dimana standar hidupnya seseorang benar-benar kurang mampu dalam memenuhi kebutuhan pokok hidupnya. Menurut informasi yang diperoleh website open data jabar, terdapat 513 data di Kota/Kabupaten Jawa Barat pada tahun 2002 s/d 2020, jumlah penduduk miskin di banyak Kota/Kabupaten di Jawa Barat semakin meningkat. Dengan demikian, metode yang digunakan dalam penelitian ini untuk melakukan pengelompokan data menggunakan metode K-Means Clustering yang akan diimplementasikan pada Rapidminer. Dikarenakan Algoritma K-Means merupakan Algoritma yang efektif untuk menganalisis data dalam jumlah besar. Jadi, bisa dilihat dari data yang akan dihasilkan ada beberapa variabel yang dibutuhkan, seperti kode Provinsi, nama Provinsi, kode Kota/Kabupaten, nama Kota/Kabupaten, jumlah penduduk miskin, satuan, dan tahun. Dari variabel data tersebut akan lebih mudah untuk menjalankannya. Sehingga penelitian ini akan menghasilkan beberapa cluster, yaitu hasil yang didapat oleh peneliti adalah cluster 4 karena cluster ini adalah hasil yang diambil dari nilai DBI yang terkecil dan terbaik dari beberapa cluster yang peneliti uji coba. Dari hasil cluster itulah akan terlihat data jumlah penduduk miskin berdasarkan kota/kabupaten yang memiliki tingkat kemiskinannya meningkat atau menurun dalam periode setiap tahunnya.

Unduhan

Data unduhan belum tersedia.

Rincian Artikel

Cara Mengutip
Novitasari, N., Nuris, N. D., & Herdiana, R. . (2023). Penerapan Algoritma K-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten di Jawabarat menggunakan Rapidminer. Jurnal Informatika Terpadu, 9(1), 68–73. https://doi.org/10.54914/jit.v9i1.660
Terbitan
Vol 9 No 1 (2023): Maret, 2023
Bagian
Artikel
Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Referensi

F. Febriansyah and S. Muntari, “Penerapan Algoritma K-Means untuk Klasterisasi Penduduk Miskin pada Kota Pagar Alam,” vol. 8, no. 1, pp. 66–77, 2023.

E. Fammaldo and L. Hakim, “Penerapan Algoritma K-Means Clustering Untuk Pengelompokan Tingkat Kesejahteraan Keluarga Untuk Program Kartu Indonesia Pintar,” J. Ilm. Teknol. Infomasi Terap., vol. 5, no. 1, pp. 23–31, 2019, doi: 10.33197/jitter.vol5.iss1.2018.249.

N. N. F. R, D. S. Anggraeni, and U. Enri, “Pengelompokkan Data Kemiskinan Provinsi Jawa Barat Menggunakan Algoritma K-Means dengan Silhouette Coefficient ”, TEMATIK, vol. 9, no. 1, pp. 29-35, Jun. 2022..

T. R. Melati, I. Nawangsih, and I. Afriantoro, “Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Berdasarkan Kabupaten/Kota Di Indonesia.”

E. Muningsih, and S Kiswati, “Penerapan Metode K-Means Untuk Clustering Produk Online Shop Dalam Penentuan Stok Barang,” J. Bianglala Informatika, vol. 3, no. 1, 2015.

M. S. Zain, S. Defit, and Sumijan, “Data Mining dengan Metode K-Means untuk Pengelompokan Mahasiswa yang Mengunjungi Perpustakaan berdasarkan Data Kunjungan dan IPK," 2018.

S. J. Latupeirissa, N. Lewaherilla, and A. Hiariey, “Pengelompokan Kabupaten/Kota di Provinsi Maluku Berdasarkan Data Kemiskinan Tahun 2021 enggunakan Metode K-Means Cluster (Grouping District/City In Maluku Province Based On Poverty Data For 2021 Using The K-Means Cluster Method),” Variance, vol. 4, no. 1, 2022, Doi: 10.30598/Variancevol4iss1page15-22.

F. Ilena Putri And R. Damayanti, “Prosiding Seminar Nasional Matematika, Statistika, Dan Aplikasinya Terbitan Ii,” 2022.

Y. F. S. Y. Damanik, S. Sumarno, I. Gunawan, D. Hartama, And I. O. Kirana, “Penerapan Data Mining Untuk Pengelompokan Penyebaran Covid-19 Di Sumatera Utara Menggunakan Algoritma K-Means,” J. Ilmu Komput. Dan Inform., Vol. 1, No. 2, Nov. 2021, Doi: 10.54082/Jiki.13.

P. Algoritma K-Means dalam Pengelompokan Jumlah Penduduk Berdasarkan Kelurahan Di Kota Pematangsiantar, “Widodo Saputra 5) 1)2)3)4)5) Program Studi Teknik Informatika,” Vol. 2, No. 2, Pp. 20–26, 2021, [Online]. Available: Http://Creativecommons.Org/Licences/By/4.0/

B. Nurseptia, A. Voutama, N. Haeryana, And J. Hsronggo Waluyo, “Penerapan Algoritma K-Means Untuk Mengelompokkan Kabupaten/Kota Dalam Upaya Pemetaan Lapangan Pekerjaan Baru,” J. Teknol. Informasi), Vol. 6, No. 2, 2022.

Y. Ratna Sari, A. Sudewa, D. Ayu Lestari, And T. Ika Jaya, “Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer,” 2020.

M. M. K-Means, “Penerapan Data Mining Untuk Clustering Data Penduduk Miskin,” Vol. 3, No. 1, Pp. 31–37, 2021.

T. D. Desa, “Sistem Pendukung Keputusan Penerima Bantuan Langsung Tunai Dana Desa Menggunakan Metode Algoritma K-Means Clustering,” Vol. 14, No. 1, Pp. 150–160, 2022.

I. Nasution, A. P. Windarto, And M. Fauzan, “Penerapan Algoritma K-Means dalam Pengelompokan Data Penduduk Miskin Menurut Provinsi,” Vol. 2, No. 2, Pp. 76–83, 2020.