FUZZY C-MEANS CLUSTERING TECHNIQUE ANALYSIS OF NORTH SUMATRA PROVINCE'S DISTRICT/CITY CLASSIFICATION BASED ON COMMUNITY SOCIAL WELFARE LEVEL

Rizky Indri Syahputri

Abstract


Penelitian ini bertujuan untuk menggambarkan signifikansi dan alasan di balik pemilihan -n kelompok terbaik untuk mengatur kabupaten dan kota di Provinsi Sumatera Utara menurut Indeks Kesejahteraan Rakyat 2022 menggunakan Fuzzy C-Means. Penelitian ini menggunakan data sekunder dari situs web BPS Provinsi Sumatera Utara, dengan menggunakan variabel-variabel seperti kepadatan penduduk, rasio ketergantungan, rata-rata lama sekolah, pengeluaran rata-rata dalam juta rupiah, dan tingkat pengangguran. Data dari penelitian ini akan berfungsi sebagai landasan untuk keputusan mengenai kebijakan dan solusi untuk masalah yang dihadapi setiap kelompok. Penelitian ini menggunakan fuzzy c-means untuk mengelompokkan data di Provinsi Sumatera Utara. Algoritma tersebut melibatkan penentuan jumlah cluster, daya, iterasi maksimum, kesalahan harapan terkecil, dan fungsi tujuan awal. Angka acak dibangkitkan dan matriks partisi dihitung. Hasilnya menunjukkan dua cluster, satu untuk kota dengan tingkat pengangguran dan kepadatan penduduk yang tinggi, dan satu lagi untuk daerah dengan sekolah dan pengeluaran yang rendah. Pemerintah harus memprioritaskan penanganan kepadatan penduduk dan pengangguran yang tinggi di Klaster 1, sementara menangani rasio ketergantungan dan lama sekolah di Klaster 2. Temuan ini dapat menjadi panduan dalam pengambilan keputusan program kerja di masa mendatang.

Keywords


C-Means, Claster, Fuzzy, Community Social Welfare Level.

Full Text:

PDF

References


Kastawan Putu Wirya (2018). Implementasi Algoritma C5.0 pada Penilaian Kinerja Pegawai Negeri Sipil. Jurnal Majalah Ilmiah Teknologi Elektro Vol. XVII

Kholis, N., Kunci, K., Kesejahteraan, :, Islam, J., & Sosial, D. E. (n.d.). Kesejahteraan SosialDi Indonesia Perspektif Ekonomi Islam.

Setiawan, H. H. (2019). Merumuskan Indeks Kesejahteraan Sosial (Iks) Di Indonesia. Sosio Informa, 5(3). https://doi.org/10.33007/inf.v5i3.1786.

Alwi, W., & Hasrul, M. (2018). Analisis Klaster Untuk Pengelompokkan Kabupaten/KotaDi Provinsi Sulawesi Selatan Berdasarkan Indikator Kesejahteraan Rakyat. Jurnal MSA( Matematika Dan Statistika Serta Aplikasinya ), 6(1), 35.https://doi.org/10.24252/msa.v6i1.4782

Yulianto, S., & Hidayatullah, K. H. (2016). Analisis Klaster Untuk Pengelompokan Kabupaten/Kota Di Provinsi Jawa Tengah Berdasarkan Indikator Kesejahteraan Rakyat. Statistika, 2(1), 56–63. https://jurnal.unimus.ac.id/index.php/statistik/article/view/1115

Riandayani, D. A., Darma Putra, I. K. G., & Buana, P. W. (2014). Comparing Fuzzy Logicand Fuzzy C-Means (FCM) on summarizing indonesian language document. Journal of Theoretical and Applied Information Technology, 59(3), 718–724.

Suroso, D. J., Cherntanomwong, P., Sooraksa, P., & Takada, J. I. (2011). Location fingerprint technique using Fuzzy C-Means clustering algorithm for indoor localization.IEEE Region 10 Annual International Conference, Proceedings/TENCON, November, 88–92. https://doi.org/10.1109/TENCON.2011.6129069

Simbolon, C. L., Kusumastuti, N., & Irawan, B. (2013). Clustering lulusan mahasiswa matematika fmipa untan pontianak menggunakan algoritma fuzzy c - means. Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster), 02(1), 21–26.

Mulyani, S., Sari, B. N., & Ridha, A. A. (2020). Clustering Productivity of Rice in Karawang Regency Using the Fuzzy C-Means Method. Indonesian Journal of Artificial Intelligence andData Mining, 3(2), 103–112. https://ejournal.uin-suska.ac.id/index.php/IJAIDM/article/view/10415




DOI: http://dx.doi.org/10.30829/jistech.v9i1.21340

Refbacks

  • There are currently no refbacks.


Current Indexing

 

Creative Commons License

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.