Text
Implementasi Metode K-Means Untuk Clustering Data Penduduk Miskin Dengan Pengelompokan Acak Menggunakan Systematic Random Sampling
ABSTRAK
IMPLEMENTASIMETODEK-MEANSUNTUKCLUSTERINGDATAPENDUDUKMISKIN DENGANPENGELOMPOKANACAKMENGGUNAKANSYSTEMATICRANDOM SAMPLING
RafliJunaidiKasim ProgramStudiTeknikInformatika FakultasTeknik,UniversitasKhairun jkasim840@gmail.com
Katakunci: Clustering, K-means, Systematic Random Sampling, Silhouette Coefficient, Pendudukmiskin. Pengelompokanpenduduk miskin bertujuan untuk membedakan penduduk dengan tingkat kemiskinan paling tinggi atau paling layak untuk mendapatkan bantuan yang dikhususkan kepada penduduk dengan tingkat kemiskinan tertinggi. Pengelompokan dilakukan dengan menggunakan metode k-means. Pengelompokan dengan metode k-means akan memperbesar tingkat kemiripan dalam kelompok dan memperkecil tingkat kemiripan antar kelompok. Pengelompokan acak pada k-means akan diterapkan metode systematic random samplingyangakanmempengaruhi danmempersempitkemungkinanbanyaknilai centroid awal yang akan dihasilkan, selain itu mempercepat proses komputasi untuk pengelompokan acak. Selanjutnya dilakukan validasi dengan silhouette coefficient untuk menentukan kelompok terbaik pada pengelompokan penduduk miskin. Jumlah kelompok yang ditentukan yaitu 2 klaster, 3 klaster, dan 4 klaster. Hasil yang didapatkan adalah jumlah kelompok sebanyak 2 klaster lebih baik dibandingkan 3 klaster dan 4 klaster dengan nilai 2 klaster yaitu 0.435489, sedangkan pada 3 cluster 0.434857 dan 4 cluster 0.30832.
Tidak tersedia versi lain