Algoritma K-Means Dalam Pengelompokan Kabupaten/Kota Berdasarkan Indeks Pembengunan Manusia Di Sumatera Utara

Kristin Daya Rohani Sianipar, Indra Gunawan

Sari


Indeks Pembangunan Manusia (IPM) merupakan salah satu parameter yang digunakan untuk memperkirakan tingkat quality secara fisik maupun non fisik masyarakat di suatu daerah. Dimensi dasar dalam membentuk Indeks Pembangunan Manusia (IPM) adalah umur panjang dan hidup sehat, pengetahuan, dan standar hidup layak. Indeks Pembangunan Manusia (IPM) sangat mempengaruhi dalam pertumbuhan ekonomi, sehingga  dengan meningkatnya Indeks Pembangunan Manusia (IPM) mampu mendorong perekonomian daerah, terutama dalam bidang industri seperti pada wilayah Sumatera Utara. Dalam melakukan penelitian ini, algoritma yang digunakan yaitu algoritma k-means dengan mengelompokan menjadi tiga cluster yaitu tinggi, sedang, dan rendah . Adapun data yang digunakan adalah data kabupaten/kota berdasarkan Indeks Pembangunan Manusia (IPM) di Sumatera Utara tahun 2014-2019 sebanyak 33 data dan data penelitian ini diambil dari BPS (Badan Pusat Statistik).  Hasil yang diperoleh dalam penelitian ini adalah cluster 1 terdapat 18 data, cluster 2 terdapat 11 data, cluster 3 terdapat 4 data. Tujuan dari penelitian ini adalah untuk mengetahui kabupaten/kota yang memiliki Indeks Pembangunan Manusia yang tergolong tinggi, sedang, dan rendah.

Kata Kunci


¬IPM, Data Mining, K-Means, Pengelompokan, Masyarakat.

Teks Lengkap:

PDF

Referensi


M. B. Setiawan and A. Hakim, “Indeks Pembangunan Manusia Manusia,” J. Econ. 9(1), 18-26, vol. 9(1), pp. 18–26, 2008.

D. Nofriansyah and G. W. Nurcahyo, “Algoritma Data Mining Dan Pengujian,” Algoritma Data Mining dan Pengujian. pp. 1–3, 2019.

G. Gustientiedina, M. H. Adiya, and Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan,” J. Nas. Teknol. dan Sist. Inf., vol. 5, no. 1, pp. 17–24, 2019, doi: 10.25077/teknosi.v5i1.2019.17-24.

A. Aditya, I. Jovian, and B. N. Sari, “Implementasi K-Means Clustering Ujian Nasional Sekolah Menengah Pertama di Indonesia Tahun 2018/2019,” J. Media Inform. Budidarma, vol. 4, no. 1, p. 51, 2020, doi: 10.30865/mib.v4i1.1784.

M. Anggara, H. Sujiani, and N. Helfi, “Pemilihan Distance Measure Pada K-Means Clustering Untuk Pengelompokkan Member Di Alvaro Fitness,” J. Sist. dan Teknol. Inf., vol. 1, no. 1, pp. 1–6, 2016.

K. D. R Sianipar, S. Wanti Siahaan, M. Siregar, and P. R. Fikrul Ilmi Zer, “Penerapan Algoritma K-Means Dalam Menentukan Tingkat Kepuasan Pembelajaran Online Pada Masa Pandemi Covid-19,” J. Teknol. Inf., vol. 4, no. 1, pp. 101–105, 2020.




DOI: http://dx.doi.org/10.30811/jim.v6i2.2426

Refbacks

  • Saat ini tidak ada refbacks.


##submission.copyrightStatement##