Penerapan Data Mining Untuk Clustering Indeks Pembangunan Manusia Berdasarkan Provinsi Di Indonesia

Penulis

  • Hermawan Hermawan Universitas Budi Luhur
  • Humisar Hasugian Universitas Budi Luhur

Kata Kunci:

indeks pembangunan manusia, data mining, k-means

Abstrak

Pembangunan manusia digunakan sebagai parameter untuk melihat pembangunan dari  sisi manusia. Indeks pembagunan manusia atau IPM menjelaskan bagaimana masyrakat mendapatkan penghasilan yang cukup, kesehatan, dan pendidikan yang memadai. Secara geografis Indonesia adalah negara kepulauan dimana setiap provinsi tersebar di berbagai pulaiu yang dipisahkan oleh laut. Menjadikan disparitas pembangunan manusia antar provinsi menjadi relatif tinggi. Kesenjangan yang terjadi masih menjadi persoalan yang harus segera diselesaikan, karena kesenjangan pada indeks pembangunan manusia yang dapat menghambat tujuan pemerintah untuk pemerataan kesejahteraan manusia di Indonesia. Diperlukan sebuah langkah pengelompokan tiap provinsi sesuai dengan nilai indeks pembangunan manusia sehingga dapat di ambil solusi sesuai dengan kelompoknya. Ilmu yang mempelajari proses penggalian informasi dari sekumpulan data sehingga menghasilkan informasi disebut dengan data mining. Teknik yang dapat digunakan dalam menyelesaikan permasalahan pengelompokan data yaitu salah satunya adalah clustering dengan algoritma k-means. Penelitian ini menghasilkan 6 cluster dimana cluster dengan nilai IPM baik sekali terdiri dari 2 provinsi, cluster dengan nilai IPM baik terdiri dari 3 provinsi, cluster dengan nilai IPM lebih dari cukup 17 provinsi, cluster dengan nilai IPM cukup 8 provinsi, cluster dengan nilai IPM buruk 3 provinsi dan cluster dengan nilai IPM sangat buruk 1 provinsi. Dengan pengujian hasil evaluasi kinerja jumlah cluster menggunakan Davies Bouldin Index (DBI) mendapatkan hasil -0,283.

Referensi

Yoyo Karyono, et al., Indeks Pembangunan Manusia 2020, Direktorat Analisis dan Pengembangan Statistik, Jakarta, Badan Pusat Statistik, 2021, .

J. Hutagalung dan F. Sonata, “Penerapan Metode K-Means Untuk Menganalisis Minat Nasabah,” Jurnal Media Informatika Budidarma, vol. 5, no. 3, hlm. 1187, Jul 2021, doi: 10.30865/mib.v5i3.3113.

F. Nurdiyansyah, I. Akbar, R. Artikel, K. Kunci, dan B. Corresponding Author Firman Nurdiyansyah, “Jurnal Teknologi dan Manajemen Informatika Implementasi Algoritma K-Means untuk Menentukan Persediaan Barang pada Poultry Shop Info Artikel ABSTRAK,” vol. 7, no. 2, hlm. 86–94, 2021, [Daring]. Available: http://http://jurnal.unmer.ac.id/index.php/jtmi

P. Kepadatan, P. Berdasarkan, J. Penduduk, K. Medan, P. Marpaung, dan R. F. Siahaan, “Penerapan Algoritma K-Means Clustering Untuk,” 2021.

E. Muningsih, I. Maryani, dan V. R. Handayani, “Penerapan Metode K-Means dan Optimasi Jumlah Cluster dengan Index Davies Bouldin untuk Clustering Propinsi Berdasarkan Potensi Desa,” Jurnal Sains dan Manajemen, vol. 9, no. 1, 2021, [Daring]. Available: www.bps.go.id

S. Wulandari, “Clustering Kecamatan Di Kota Bandung Berdasarkan Indikator Jumlah Penduduk Dengan Menggunakan Algoritma K-Means,” 2020.

R. Mustofa dan A. Syahza, “Food Carrying Capacity as an Indicator of Sustainability of Smallholder Oil Palm Plantations in Riau Province Analysis of the Effect of Climate Variability Risk on Rice Farming Productivity Using Robust Regression,” Review of International Geographical Education (RIGEO), vol. 11, no. 8, hlm. 111–121, 2021, doi: 10.48047/rigeo.11.08.11.

K. R. Adzima, A. Bustamam, dan D. Aldila, “The implementation of k-means partitioning algorithm in HOPACH clustering method,” dalam IOP Conference Series: Earth and Environmental Science, Apr 2019, vol. 243, no. 1. doi: 10.1088/1755-1315/243/1/012073.

A. Bustamam, H. Tasman, N. Yuniarti, Frisca, dan I. Mursidah, “Application of k-means clustering algorithm in grouping the DNA sequences of hepatitis B virus (HBV),” dalam AIP Conference Proceedings, Jul 2017, vol. 1862. doi: 10.1063/1.4991238.

V. H. Pham dan B. R. Lee, “An image segmentation approach for fruit defect detection using k-means clustering and graph-based algorithm,” Vietnam Journal of Computer Science, vol. 2, no. 1, hlm. 25–33, Feb 2015, doi: 10.1007/s40595-014-0028-3.

X. Wang dan Y. Bai, “The global Minmax k-means algorithm,” Springerplus, vol. 5, no. 1, Des 2016, doi: 10.1186/s40064-016-3329-4.

A. Bates dan J. Kalita, “Counting clusters in twitter posts,” dalam ACM International Conference Proceeding Series, Mar 2016, vol. 04-05-March-2016. doi: 10.1145/2905055.2905295.[13] N. K. Zuhal, “Study Comparison K-Means Clustering dengan Algoritma Hierarchical Clustering,” 2022.

L. Elvitaria, “Memprediksi Tingkat Peminat Ekstrakurikuler Pada Siswa Smk Analisis Kesehatan Abdurrab Menggunakan Algoritma C4.5 (Studi Kasus: Smk Analis Kesehatan Abdurrab),” Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, vol. 2, no. 2, hlm. 220–233, Agu 2017, doi: 10.36341/rabit.v2i2.212.

Unduhan

Diterbitkan

30-09-2022

Cara Mengutip

Hermawan, H., & Hasugian, H. (2022). Penerapan Data Mining Untuk Clustering Indeks Pembangunan Manusia Berdasarkan Provinsi Di Indonesia. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 1(1), 525–532. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/320

Terbitan

Vol 1 No 1 (2022): Prosiding SENAFTI (Buku 2 - Artificial Intelligence) September 2022

Bagian

Artificial Intelligence

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>