9 KABUPATEN PROVINSI ACEH) Nanda Salsabila Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Statistika 2024

Skripsi

Clustering adalah metode analisis yang digunakan untuk mengelompokkan sejumlah data menjadi beberapa klaster berdasarkan kemiripan atau kesamaan karakteristik pada dataset tersebut. K-means clustering merupakan algoritma paling umum yang sangat andal dalam mengelompokkan data bertipe numerik, sedangkan k-modes dan k-medoids merupakan pengembangan dari algoritma k-means yang dapat digunakan untuk mengelompokkan data bertipe kategori. Pada kenyataannya, tidak hanya data bertipe numerik yang berada dalam suatu dataset, namun terdapat juga data kategori yang memerlukan tantangan tersendiri untuk diolah dalam model analisis. Data yang digunakan dalam penelitian ini adalah status kesejahteraan rumah tangga tahun 2019 yang bersumber dari Badan Perencanaan Pembangunan Daerah Aceh. Dataset tersebut bertipe kategori ordinal dengan 34 variabel independen dan 1 variabel dependen yang memiliki akurasi status kesejahteraan rumah tangga yang cukup rendah, sehingga algoritma pengelompokan yang digunakan pada penelitian ini adalah k-modes dan k-medoids clustering. Penelitian ini bertujuan untuk menemukan kategori yang lebih tepat dalam status kesejahteraan rumah tangga pada 9 kabupaten dengan persentase penduduk miskin terendah di Provinsi Aceh serta mendapatkan metode terbaik antara 2 algoritma tersebut. Penelitian ini diharapkan dapat memberikan kontribusi kepada pemerintah dalam membuat kebijakan yang lebih tepat untuk meningkatkan kesejahteraan rumah tangga di Provinsi Aceh. Jarak yang digunakan yaitu jarak hamming pada k-modes dan jarak manhattan pada k-medoids. Hasil analisis menunjukkan bahwa dari 315.255 rumah tangga, sekitar 240.000 rumah tangga berada pada kategori yang berbeda. Hasil pengujian performa menggunakan model decision tree menunjukkan bahwa algoritma k-medoids lebih baik dalam melakukan pengelompokan dengan nilai akurasi, precision, recall dan f1-score sebesar 0,993 yang bermakna kinerja algoritma k-medoids sangat bagus. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 133935 2024-09-30 17:05:59 2024-10-01 11:08:54 machine generated