JOURNAL INFO
Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer
Abstract
Angka kemiskinan di Provinsi Banten tergolong rendah di tingkat nasional. Hal ini dibuktikan dengan persentase penduduk miskin Banten pada September 2019 sebesar 4,94% berada di bawah rata-rata nasional pada periode yang sama sebesar 9,22%. Penelitian ini memanfaatkan teknik data mining dengan menggunakan metode K-Means Clustering. Data penelitian ini diambil dari situs Badan Pusat Statistik (BPS) dari tahun 2015-2019 yang terdiri dari 8 Kabupaten/Kota dengan 3 variabel. Variabel yang digunakan adalah jumlah penduduk miskin (ribu jiwa), rata-rata lama pendidikan sekolah (tahun), dan pengeluaran per kapita yang disesuaikan (ribu rupiah/tahun). Semua data tersebut kemudian diolah dengan Rapidminer dan dilakukan 3 cluster, yaitu: tingkat cluster sedang (C0), tingkat cluster tinggi (C1), dan tingkat cluster rendah (C2). Hasil dari perhitungan rapidminer menunjukkan Kabupaten Tangerang, Kota Cilegon, dan Kota Serang masuk sebagai anggota cluster 0, Kabupaten Pandeglang, Kabupaten Lebak, dan Kabupaten Serang berada pada cluster 1, Kota Tangerang, dan Kota Tangerang Selatan berada di cluster 2.
Keywords
Data Mining; Kemiskinan; Clustering; K-means
Full Text:
PDFReferences
(https://www.rmolbanten.com/read/2020/01/16/14437/Penduduk-Miskin-Banten-Turun-13-Ribu-Jiwa-, 19 Agustus 2020).
N. I. Febianto dan N. Palasara, “Analisa Clustering K-Means Pada Data Informasi Kemiskinan Di Jawa Barat Tahun 2018,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 8, no. 2, p. 130, 2019, doi: 10.32736/sisfokom.v8i2.653.
J. A. Talingdan, “Data mining using clustering algorithm as tool for poverty analysis,” ACM Int. Conf. Proceeding Ser., vol. Part F147956, pp. 56–59, 2019, doi: 10.1145/3316615.3316672.
Heni Sulastri, A. I. G. (2017). Penerapan Data Mining Dalam Pengelompokan Penderita Thalassaemia, 02, 299–305.
Tan, P.N., Steinbach, M., Kumar, V. (2006) Introduction to Data Mining. Boston:Pearson Education.
Han, J., Kamber, M., Pei, J.: Data Mining Concept and Techniques, 3rd ed. Morgan Kaufmann-Elsevier, Amsterdam (2012).
A. P. Windarto, “Implementation of Data Mining on Rice Imports by Major Country of Origin Using Algorithm Using K-Means Clustering Method,” Int. J. Artif. Intell. Res., vol. 1, no. 2, pp. 26–33, 2017.
J. Informatika, W. Mega, and P. Dhuhita, “CLUSTERING MENGGUNAKAN METODE K-MEANS UNTUK,” vol. 15, no. 2, 2015.
A. K. Wardhani, “Implementasi Algoritma K-Means untuk Pengelompokkan Penyakit Pasien pada Puskesmas Kajen Pekalongan,” J. Transform., vol. 14, no. 1, pp. 30–37, 2016.
Z. Aras and Sarjono, “Analisis Data Mining Untuk Menentukan Kelompok Prioritas Penerima Bantuan Bedah Rumah Menggunakan Metode Clustering K-Means( Studi Kasus: Kantor Kecamatan Bahar Utara),” J. Manaj. Sist. Inf., vol. 1, no. 2, pp. 159–170, 2016.
L. Elvitaria dan M. Havenda, “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, pp. 220-233, 2019.
Sijabat, Alimancon. 2015, “Penerapan Data Mining Untuk Pengolahan Data Siswa Dengan Menggunakan Metode Decision Tree,” Jurnal Ilmiah Teknologi dan Informasi ASIA Vol. 8 No 2, Agustus 2014.
Andriani, Anik. 2013, “Aplikasi Data Mining Market Basket Analysis Penjualan Suku Cadang Sepeda Motor Menggunakan Metode Association Rules Pada PT.Sejahtera Motor Gemilang.,” Jurnal Ilmiah Tekhnik Informatika Universitas Nusantara PGRI.Kediri
DOI: https://doi.org/10.24114/cess.v5i2.18519
Article Metrics
Abstract view : 3780 timesPDF - 4814 times
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution 4.0 International License.
CESS (Journal of Computer Engineering, System and Science)
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License