Clustering Data Penduduk Miskin Dampak Covid-19 Menggunakan Algoritma K-Medoids
Novi Widiawati, Betha Nurina Sari, Tesa Nur Padilah
Journal of Applied Informatics and Computing · 2022
doi:10.30871/jaic.v6i1.3266 (opens in a new tab)
We email you when a new notice or a question about this paper appears.
Abstract
Kemiskinan merupakan masalah yang mendasar, kemiskinan bisa berakibat pada terhambatnya pembangunan nasional. Ada beberapa aspek yang berkaitan dengan kemiskinan yaitu faktor ekonomi, politik, dan psikososial. Secara ekonomi, kemiskinan diartikan sebagai kurangnya sumber daya untuk memenuhi kebutuhan hidup dan meningkatkan kesejahteraan. Pada penelitian ini data yang digunakan pada tahun 2020 yang bersumber dari Badan Pusat Statistika. Dalam upaya menemukan kasus kemiskinan dampak covid-19 dapat menggunakan Data Mining. Tujuan dari penelitian ini untuk mengelompokkan kabupaten/kota yang memiliki kemiskinan dampak covid-19 dengan tingkat tinggi dan rendah di Indonesia. Penelitian yang akan dilakukan dengan langkah data mining yaitu CRISP-DM (Cross Industry Standart for Data Mining) yang terdiri dari 6 fase yaitu pemahaman bisnis (business understanding), pemahaman data (data understanding), pengolahan data (data preparation), pemodelan (modelling), evaluasi (evaluation), dan penyebaran (deployment). Algoritme yang digunakan pada penelitian ini yaitu K-Medoids. Pengukuran menggunakan bahasa R dengan bantuan fungsi Pamk sehingga hasil yang didapatkan pada dataset Penduduk Miskin Tahun 2020 memiliki cluster optimal sebanyak 2 cluster. Cluster1 dengan jumlah 121 kabupaten/kota dengan kategori tinggi, sedangkan cluster2 dengan jumlah 427 dengan kategori rendah. Hasil dari evaluasi nilai Silhouette Coefficinet sebesar 0,4735719.
Abstract licence: CC BY-SA
Reads
Read by people on this page
None yet.
Checked or read by AI through naulon
None yet.
A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.
Are you an author?
Is this your paper?
Claim it to add your note and be paid when agents cite it. Free.