Electronic Theses and Dissertation
Universitas Syiah Kuala
NULL
ANALISIS PERBANDINGAN METODE CLUSTERING K-MEANS DAN SELF ORGANIZING MAPS KOHONEN TERHADAP PENGELOMPOKAN KABUPATEN/KOTA BERDASARKAN KARAKTERISTIK KEMISKINAN DI PROVINSI ACEH
Pengarang
RAIHAN NORA - Personal Name;
Dosen Pembimbing
Nomor Pokok Mahasiswa
1408108010028
Fakultas & Prodi
Fakultas MIPA / Statistika (S1) / PDDIKTI : 49201
Subject
Kata Kunci
Penerbit
Banda Aceh : Universitas Syiah Kuala., 2019
Bahasa
Indonesia
No Classification
-
Literature Searching Service
Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)
Analisis cluster bertujuan mengelompokan objek berdasarkan kesamaan karakteristik data sehingga objek-objek mempunyai variasi yang lebih kecil dalam kelompok. K-Means merupakan metode paling sederhana dan umum digunakan. Metode SOM dapat memvisualisasikan hasil pengelompokan dalam bentuk topografi dua dimensi. Provinsi Aceh merupakan salah satu provinsi yang memiliki tingkat kemiskinan cukup tinggi. Karena itu, perlu dilakukan penanggulangan kemiskinan masyarakat Aceh. Salah satu cara dengan mengetahui persebaran data kemiskinan. Dalam penelitian ini digunakan metode K-means dan SOM Kohonen. Tujuan pengelompokan dan perbandingan kedua metode tersebut adalah untuk mengetahui karakteristik berdasarkan metode terbaik. Data yang digunakan adalah Basis Data terpadu (BDT) Provinsi Aceh terdiri dari 14 variabel. Hasil pengelompokan metode K-Means, cluster 1 terdiri dari Aceh Utara, cluster 2 terdiri dari Aceh Timur, Aceh Besar, Pidie, Bireuen, cluster 3 terdiri dari Simeulue, Aceh Singkil, Aceh Selatan, Aceh Tenggara, Aceh Tengah, Aceh Barat, Aceh Barat Daya, Gayo Lues, Aceh Tamiang, Nagan Raya, Aceh Jaya, Bener Meriah, Pidie Jaya, Banda Aceh, Sabang, Langsa, Lhokseumawe dan Subulussalam. Hasil pengelompokan metode SOM, cluster 1 terdiri dari Simeulue, Aceh Singkil, Aceh Tenggara, Aceh Barat, Aceh Barat Daya, Gayo Lues, Nagan Raya, Aceh Jaya, Bener Meriah, Pidie Jaya, Banda Aceh Sabang, Langsa, Lhokseumawe dan Subulussalam. Cluster 2 terdiri dari Aceh Selatan, Aceh Tengah, Aceh Besar dan Aceh Tamiang. Cluster 3 terdiri dari Aceh Timur, Pidie, Bireuen dan Aceh Utara. Berdasarkan nilai Connectivity Index, Dunn Index dan Silhouette Index menunjukkan SOM merupakan metode terbaik dibandingkan K-Means. Pengelompokan menggunakan metode SOM menunjukkan karakteristik dari cluster 1 rendah tingkat kemiskinannya dengan variabel yang dominan yaitu X6, X10, X11, X12, X13 dan X14. Cluster 2 memiliki tingkat kemiskinan yang sedang dimana variabel yang dominan yaitu X1, X2, X3, X4, X5, X8, X9, X10, X11, X12 dan X13. Cluster 3 merupakan kabupaten/kota dengan tingkat kemiskinan yang tinggi dimana semua variabel dominan.
Kata Kunci: Cluster SOM, K-Means, Kemiskinan, Aceh
Tidak Tersedia Deskripsi
ANALISIS PERBANDINGAN METODE CLUSTERING K-MEANS DAN SELF ORGANIZING MAPS KOHONEN TERHADAP PENGELOMPOKAN KABUPATEN/KOTA BERDASARKAN KARAKTERISTIK KEMISKINAN DI PROVINSI ACEH (RAIHAN NORA, 2019)
PERBANDINGAN METODE FUZZY C-MEANS (FCM) DAN FUZZY GUSTAFSON-KESSEL (FGK) MENGGUNAKAN DATA CITRA SATELIT QUICKBIRD (STUDI KASUS DESA LUBUK BATEE, ACEH BESAR) (Ahmad Mauliyadi Misran, 2022)
PENERAPAN ALGORITMA K-MEANS CLUSTERING DALAM PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN DATA JUMLAH KEKERASAN TERHADAP ANAK (CUT NURUL AKMALIA, 2026)
VISUALISASI FUZZY CLUSTERING DENGAN MENGGUNAKAN PERANGKAT LUNAK R (Fera Anugreni, 2022)
ANALISIS DAN PERBANDINGAN KUALITAS PENGELOMPOKAN DOKUMEN (DOCUMENT CLUSTERING) DENGAN MENGGUNAKAN METODE K-MEANS DAN K-MEDIANS (Bustami, 2022)