Perbandingan Algoritma K-Means dan K-Medoids dalam Pengelompokkan Kabupaten/Kota Berdasarkan Indeks Pembangunan Manusia di Provinsi Jawa Tengah
Abstract
Indek Pembangunan Manusia (IPM) adalah ukuran statistik yang digunakan untuk mengevaluasi kemajuan dan kualitas hidup manusia di suatu Negara. Jawa Tengah adalah salah satu provinsi di Indonesia dengan klasifikasi IPM tinggi. Namun, bila dibandingkan dengan provinsi-provinsi lain di Pulau Jawa menduduki peringkat kedua terendah dari bawah sehingga diperlukan pengelompokkan daerah kabupaten/ kota sehingga bisa dijadikan sebagai salah satu alternatif solusi bagi Pemprov Jawa Tengah guna menentukan arah kebijakan terkait pembangunan manusia. Metode klastering adalah salah satu metode dalam data mining yang berguna dalam pengelompokkan. Di antara metode klastering tersebut adalah K-Means dan K-Medoids. Proses data mining yang digunakan dalam penelitian ini adalah metode CRISP-DM. Tujuan dari penelitian ini adalah membandingkan kinerja algoritma K-Means dengan K-Medoids dalam pengelompokkan kabupaten/kota berdasarkan capaian IPM tiap kabupaten/kota tersebut. Berdasarkan nilai Davies Bouldin Index (DBI) yang diperoleh pada masing-masing algoritma tersebut didapatkan bahwa kinerja algoritma K-Medoids mengungguli algoritma K-Means dengan capaian DBI sebesar 0,436 pada jumlah klaster 4, sedangkan DBI K-Means hanya mencapai 0,472 pada jumlah klaster 3.
References
“Indeks Pembangunan Manusia 2022.pdf.”
“Analisis Kualitas Pembangunan Manusia Provinsi Jawa Tengah 2022.pdf.”
R. Primartha, Belajar Machine Learning Teori dan Praktek. Penerbit Informatika, 2018.
“Condrobimo et al. - 2016 - The Application Of K-Means Algorithm For LQ45 Inde.pdf.”
Y. H. Susanti and E. Widodo, “PERBANDINGAN K-MEANS DAN K-MEDOIDS CLUSTERING TERHADAP KELAYAKAN PUSKESMAS DI DIY TAHUN 2015”.
R. A. Farissa, R. Mayasari, and Y. Umaidah, “Perbandingan Algoritma K-Means dan K-Medoids Untuk Pengelompokkan Data Obat dengan Silhouette Coefficient,” vol. 5, no. 2.
T. S. Syamfithriani, N. Mirantika, and R. Trisudarmo, “Perbandingan Algoritma K-Means dan K-Medoids Untuk Pemetaan Daerah Penanganan Diare Pada Balita di Kabupaten Kuningan,” J. Sist. Inf. BISNIS, vol. 12, no. 2, pp. 132–139, Mar. 2023, doi: 10.21456/vol12iss2pp132-139.
W. Utomo, “The comparison of k-means and k-medoids algorithms for clustering the spread of the covid-19 outbreak in Indonesia,” Ilk. J. Ilm., vol. 13, no. 1, pp. 31–35, Apr. 2021, doi: 10.33096/ilkom.v13i1.763.31-35.
A. Supriyadi, A. Triayudi, and I. D. Sholihati, “PERBANDINGAN ALGORITMA K-MEANS DENGAN K-MEDOIDS PADA PENGELOMPOKAN ARMADA KENDARAAN TRUK BERDASARKAN PRODUKTIVITAS,” vol. 06.
M. Qori’atunnadyah, “Metode C-Means untuk Pengelompokkan Kabupaten/Kota Provinsi Jawa Timur berdasarkan Indikator Indeks Pembangunan Manusia (IPM)”.
D. Jollyta, “Optimasi Cluster Pada Data Stunting: Teknik Evaluasi Cluster Sum of Square Error dan Davies Bouldin Index,” Pros. Semin. Nas. Ris. Inf. Sci. SENARIS, Sep. 2019.
M. W. Talakua, Z. A. Leleury, and A. W. Taluta, “ANALISIS CLUSTER DENGAN MENGGUNAKAN METODE K-MEANS UNTUK PENGELOMPOKKAN KABUPATEN/KOTA DI PROVINSI MALUKU BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN MANUSIA TAHUN 2014,” BAREKENG J. Ilmu Mat. Dan Terap., vol. 11, no. 2, pp. 119–128, Dec. 2017, doi: 10.30598/barekengvol11iss2pp119-128.
F. Tempola, “Penggunaan Internet di Kalangan Siswa SD di Kota Ternate: Suatu Survey, Penerapan Algoritma Clustering dan Validasi DBI,” J. Teknol. Inf. Dan Komput. JTIIK, vol. 7, Desember 2020.
“Riyanto - 2019 - PENERAPAN ALGORITMA K-MEDOIDS CLUSTERING UNTUK PEN.pdf.”
W. Widiarina, “Algoritma Cluster Dinamik untuk Optimasi Cluster pada Algoritma K-Means dalam Pemetaan Nasabah Potensial,” J. Intell. Syst., vol. 1, Feb. 2015.
“Eckerson et al. - 2000 - DIRECTOR OF EDUCATION AND RESEARCH.pdf.”
I. Budiman, “Data Clustering Menggunakan Metodologi CRISP-DM untuk Pengenalan Pola Proporsi Pelaksanaan Tridharma,” Semin. Nas. Apl. Teknol. Inf., Jun. 2012.
“Kamila et al. - 2019 - Perbandingan Algoritma K-Means dan K-Medoids untuk.pdf.”
