IMPLEMENTASI FUZZY C-MEANS DALAM PENGELOMPOKAN TINGKAT KEMISKINAN PADA KABUPATEN/KOTA DI PROVINSI JAWA TENGAH

Rinaldo Dwi Faturahman
Nurtriana Hidayati


DOI: https://doi.org/10.29100/jipi.v10i1.5747

Abstract


Kemiskinan merupakan salah satu permasalahan bagi negara berkembang khususnya di Indoensia. Setiap tahunya kemiskinan di Provinsi Jawa Tengah terdapat kenaikan ataupun penurunan. Kemikinan di Provinsi Jawa Tengah cukup tinggi. Dibuktikan pada data Badan Pusat Statistik Provinsi Jawa Tengah kemiskinan pada tahun 2022 sebesar 10,93% dan pada tahun 2021 sebesar 10,77%. Tujuan dari penelitian ini untuk mengklasifikasikan tingkat kemiskinan di Provinsi Jawa Tengah dengan metode clustering dengan menggunakan fuzz c means. clustering sendiri adalah salah satu teknik data mining. Dimana data ini merupakan sebuah metode dari data mining untuk mengelompokan data menjadi beberapa kelompok berbeda berdasarkan karakteristik yang sama. Data penelitian yang dugunakan diambil dari Badan Pusat Statistik Provinsi Jawa Tengah  dari tahun 2021 – 2023 dengan total 106 data dan 5 atribut indikator kemiskinan yaitu garis kemiskinan(Rp/kapita/bln), jumlah penduduk miskin(ribu jiwa), pengeluaran, rata-rata pendidikan dan jumlah pengangguran. Hasil penelitian ini  menghasilkan 5 cluster dengan beberapa data di dalamnya. Pada cluster 0 dengan tingkat kemiskinan rendah terdapat 32 kabupaten/kota. Kemudian pada cluster 1 terrdapat 16 kabupaten/ kota dengan tingkat kemiskinan tinggi. Cluster 2 terdapat 13 kabupaten/kota dengan tingkat kemiskinan sangat tinggi. cluster 3 dengan 22 kabupaten/kota dengan kemsikinan yang sangat rendah. Dan cluster 4 dengan 22 kabupaten/kota dengan kemsikinan yang sedang

Full Text:

PDF

Article Metrics :

References


G. Haumahu and M. Y. Matdoan, “Algoritma K-Medoids Clustering Untuk Mengelompokkan Tingkat Kemiskinan Pada Kabupaten Dan Kota Di Kepulauan Maluku Dan Papua,” Var. J. Stat. Its Appl., vol. 4, no. 2, pp. 81–88, 2023, doi: 10.30598/variancevol4iss2page81-87.

L. Setiyani, M. Wahidin, D. Awaludin, and S. Purwani, “Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes : Systematic Review,” Fakt. Exacta, vol. 13, no. 1, p. 35, 2020, doi: 10.30998/faktorexacta.v13i1.5548.

A. Bahauddin, A. Fatmawati, and F. Permata Sari, “Analisis Clustering Provinsi Di Indonesia Berdasarkan Tingkat Kemiskinan Menggunakan Algoritma K-Means,” J. Manaj. Inform. dan Sist. Inf., vol. 4, no. 1, pp. 1–8, 2021, doi: 10.36595/misi.v4i1.216.

W. WIJAYANTI, I. RAHMI HG, and F. YANUAR, “Penggunaan Metode Fuzzy C-Means Untuk Pengelompokan Provinsi Di Indonesia Berdasarkan Indikator Kesehatan Lingkungan,” J. Mat. UNAND, vol. 10, no. 1, p. 129, 2021, doi: 10.25077/jmu.10.1.129-136.2021.

I. R. P. Nurrahmah Fitirani Kahar, Lillyan Hadjaratie, Sitti Suhada, “T Ingkat K Emiskinan Di I Ndonesia T Ahun 2007,” J. Informatics, vol. 14, no. 2, pp. 27–38, 2020.

T. A. Munandar, “Penerapan Algoritma Clustering Untuk Pengelompokan Tingkat Kemiskinan Provinsi Banten,” JSiI (Jurnal Sist. Informasi), vol. 9, no. 2, pp. 109–114, 2022, doi: 10.30656/jsii.v9i2.5099.

S. Nurhafiza, H. Rahma, Sani Nahampun Muhammad, and I. A. A. Rahmadeyan, “Penerapan K-Means Clustering Untuk Mengelompokkan Tingkat Kemiskinan di Provinsi Riau,” SENTIMAS Semin. Nas. Penelit. dan Pengabdi. Masy., vol. 1, no. 1, pp. 59–65, 2022.

E. Widodo, P. Ermayani, L. N. Laila, and A. T. Madani, “Pengelompokkan Provinsi di Indonesia Berdasarkan Tingkat Kemiskinan Menggunakan Analisis Hierarchical Agglomerative Clustering (Indonesian Province Grouping Based on Poverty Level Using Hierarchical Agglomerative Clustering Analysis),” Semin. Nas. Off. Stat., vol. 2, pp. 557–566, 2021.

F. Fajriani, “Persebaran Tingkat Kemiskinan di Sulawesi Selatan Menggunakan K-Means Clustering Analysis,” Pros. Semant., vol. 2, no. 1, pp. 276–281, 2019, [Online]. Available: https://journal.uncp.ac.id/index.php/semantik/article/view/1526/1337%0Ahttps://journal.uncp.ac.id/index.php/semantik/article/view/1526.

M. K. Sukardi and Indah Manfaati Nur, “Penerapan Algoritma Fuzzy C-Means Untuk Pengelompokkan Kemiskinan Di Kabupaten/kota Provinsi Aceh,” J. Ilm. Mat. Dan Terap., vol. 20, no. 2, pp. 115–126, 2023, doi: 10.22487/2540766x.2023.v20.i2.16494.

P. Algoritma, K. Fuzzy, P. Jawa, and C. Zonyfar, “411-Article Text-836-1-10-20220713,” vol. III, pp. 1–8, 2022.

“BPS Provinsi Jawa Tengah.” https://jateng.bps.go.id/ (accessed May 28, 2024).

N. Nofiyani and W. Wulandari, “Implementasi Electronic Data Processing Untuk meningkatkan Efektifitas dan Efisiensi Pada Text Mining,” J. Media Inform. Budidarma, vol. 6, no. 3, p. 1621, 2022, doi: 10.30865/mib.v6i3.4332.

D. K. Sitinjak, B. N. Sari, and I. Maulana, “Clustering Daerah Penyumbang Sampah Berdasarkan Provinsi di Indonesia Menggunakan Algoritma K-Means,” J. Ilm. Wahana Pendidik., vol. 8, no. 16, pp. 137–146, 2022, [Online]. Available: https://doi.org/10.5281/zenodo.7059032.

W. Sanusi, A. Zaky, and B. N. Afni, “Analisis Fuzzy C-Means dan Penerapannya Dalam Pengelompokan Kabupaten/Kota di Provinsi Sulawesi Selatan Berdasarkan Faktor-faktor Penyebab Gizi Buruk,” J. Math. Comput. Stat., vol. 2, no. 1, p. 47, 2020, doi: 10.35580/jmathcos.v2i1.12458.

F. Rahmadayanti, I. Anggraini, and T. Susanti, “Pengklasterisasian Data Penyakit Hipertensi dengan Menggunakan Metode K-Means,” J. Inf. Syst. Res., vol. 4, no. 2, pp. 737–741, 2023, doi: 10.47065/josh.v4i2.2905.

G. Sumantri, M. D. Novianto, and P. P. Prihastuti, “Implementasi Fuzzy C-Means dalam Pengelompokan Provinsi di Indonesia untuk Pemerataan Kualitas Pendidikan,” Pros. Semin. Pendidik. Mat. dan Mat., vol. 8, no. 2721, 2023, doi: 10.21831/pspmm.v8i2.310.

A. Siregar, A. Buono, and K. Priandana, “Perbandingan Algoritma K-Means dan Fuzzy C-Means untuk Clustering Citra Daun Melon,” Build. Informatics, Technol. Sci., vol. 4, no. 3, pp. 1503–1510, 2022, doi: 10.47065/bits.v4i3.2534.

I. Nabilla Audy, T. Nur Padilah, and B. Nurina Sari, “Pengelompokan Daerah Rawan Bencana Alam Di Jawa Barat Menggunakan Algoritma Fuzzy C-Means,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 4, pp. 2799–2803, 2024, doi: 10.36040/jati.v7i4.7205.

G. F. Aghyari and A. Kudus, “Penerapan Algoritma Fuzzy Possibilistic C-Means (FPCM) pada Pengelompokan Kabupaten/Kota di Indonesia Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2022,” Bandung Conf. Ser. Stat., vol. 3, no. 2, pp. 113–120, 2023, doi: 10.29313/bcss.v3i2.7321.