1. Home
  2. Vol 17, No 2
  3. Fitriani

Penerapan Algoritma K-Means Dalam Pengelompokan Kesejahteraan Rakyat Berdasarkan Kecamatan di Kabupaten Karawang

Dinda Fitriani(1*),Tesa Nur Padilah(2),Betha Nurina Sari(3)
(1) Universitas Singaperbangsa Karawang
(2) Universitas Singaperbangsa Karawang
(3) Universitas Singaperbangsa Karawang
(*) Corresponding Author
DOI : 10.35889/progresif.v17i2.649

Abstract

Abstrack

To make it easier for the government to implement policies related to people's welfare issues, it is necessary to know which areas have low levels of people's welfare, so that the government can prioritize the welfare of the people in that region. In this regard, it is necessary to classify the welfare of the people based on the existing area. This paper applies data mining techniques with the k-means algorithm in classifying people's welfare based on sub-district areas. The results of data processing with the help of tools Rstudio 4.0.5 obtained 3 clusters. Cluster 1 is a cluster with a high level of people's welfare, consisting of 7 sub-districts. Cluster 2 is a cluster with a moderate level of people's welfare, consisting of 8 sub-districts. Cluster 3 is a cluster with a low level of people's welfare, consisting of 7 sub-districts. In clustering with 3 clusters, the SSE value is 23,58788, and the accuracy rate is 72.9%.

Keywords: People's Welfare, Data Mining, K-Means Clustering

 

Abstrak

Untuk mempermudah pemerintah mengimplementasikan kebijakan yang terkait dengan masalah kesejahteraan rakyat, perlu diketahui daerah mana saja yang memiliki tingkat kesejahteraan rakyat rendah, sehingga pemerintah dapat memprioritaskan kesejahteraan rakyat pada wilayah tersebut. Berkaitan dengan hal tersebut, perlu dilakukan pengelompokkan kesejahteraan rakyat berdasarkan wilayah yang ada. Paper ini menerapkan teknik data mining dengan algoritma k-means dalam pengelompokan kesejahteraan rakyat berdasarkan wilayah kecamatan. Hasil pengolahan data dengan bantuan tools Rstudio 4.0.5 diperoleh 3 cluster. Cluster 1 merupakan cluster dengan tingkat kesejahteraan rakyat tinggi, terdiri dari 7 kecamatan. Cluster 2 merupakan cluster dengan tingkat kesejahteraan rakyat sedang, terdiri dari 8 kecamatan. Cluster 3 merupakan cluster dengan tingkat kesejahteraan rakyat rendah, terdiri dari 7 kecamatan. Dalam melakukan clustering dengan 3 cluster diperoleh nilai SSE sebesar 23.58788, dan tingkat akurasi sebesar 72.9%.

Kata kunci: Kesejahteraan Rakyat, Data Mining, K-Means Clustering

References


Astuti, Adyatma S, Normelani E. Pemetaan Tingkat Kesejahteraan Keluarga Di Kecamatan Banjarmasin Selatan. JPG (Jurnal Pendidikan Geografi). 2017;4(2):20–34.

Cahyono B. Kabupaten Karawang Dalam Angka 2020. Karawang: Badan Pusat Statistik Kabupaten Karawang; 2020:155.

Dwitiyanti N, Selvia N, Andrari F. Penerapan Fuzzy C-Means Cluster Dalam Pengelompokan Provinsi Indonesia Menurut Indikator Kesejahteraan Rakyat. Facto Exacta. 2019;12(3):201–209.

Hakim, F. H., & Arnie, R.PERBANDINGAN PENENTUAN BUY DAN SELL PADA TRADING FOREX USDIDR DENGAN EURUSD MENGGUNAKAN METODE SUPPLY AND DEMAND DENGAN ALGORITMA K-MEANS. Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, 2019, 8(1): 23-32.

Hariyanto M, Shita RT. Penyakit DBD Menggunakan Metode Algoritma K-Means dan Metode. SKANIKA. 2018;1(1):117–122.

Kurniawan A, Hakim L, Ramdani R. Evaluasi Kebijakan Program Keluarga Harapan di Kecamatan Karawang Barat Kabupaten Karawang. Jurnal of Goverment and Political Studies. 2021;4(1):40–51.

Rahman AT, Wiranto, Rini A. Coal Trade Data Clustering Using K-Means (Case Study Pt. Global Bangkit Utama). ITSMART Jurnal Teknologi dan Informasi. 2017;6(1):24–31.

Ramdhani F, Hoyyi A, Mukid M. Pengelompokan Provinsi Di Indonesia Berdasarkan Karakteristik Kesejahteraan Rakyat Menggunakan Metode K-Means Cluster. Jurnal Gaussian. 2015;4(4):875–884.

Soemartini, Supartini E. Analisis K-Means Cluster Untuk Pengelompokan Kabupaten / Kota Di Jawabarat Berdasarkan Indikator Masyarakat. Konferensi Nasional Penelitian Matematika dan Pembelajarannya II (KNPMP II). 2017:144–154.

Sy H, Rismayani, Syam A. Data Mining Menggunakan Algoritma K-Means Pengelompokan Penyebaran Diare Di Kota Makassar. SISITI : Seminar Ilmiah Sistem Informasi dan Teknologi Informasi. 2019:73–82.

Tenriawaru A. Clustering Kabupaten/Kota Provinsi Sulawesi Tenggara Berdasarkan Indikator Kesejahteraan Rakyat. semanTIK. 2018;4(2):175–82.


How To Cite This :

Refbacks

  • There are currently no refbacks.