Penerapan Analisis Cluster Ensemble dengan Metode ROCK untuk Mengelompokkan Provinsi di Indonesia Berdasarkan Indikator Kesejahteraan Rakyat

Nadira, Sri Belinda (2019) Penerapan Analisis Cluster Ensemble dengan Metode ROCK untuk Mengelompokkan Provinsi di Indonesia Berdasarkan Indikator Kesejahteraan Rakyat. Diploma thesis, Universitas Andalas.

Preview	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (242kB) | Preview
Preview	Text (Pendahuluan) Pendahuluan.pdf - Published Version Download (119kB) | Preview
Preview	Text (Penutup) Penutup.pdf - Published Version Download (132kB) | Preview
Preview	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (112kB) | Preview
	Text (skripsi full) skripsi full.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Kesejahteraan rakyat pada suatu daerah dapat dilihat dari indikator-indikator yang mampu mengukur kesejahteraan rakyat. Kesejahteraan rakyat pada masing-masing daerah berbeda-beda. Oleh karena itu dapat dilakukan pengelompokkan daerah di Indonesia untuk melihat kemiripan kondisi kesejahteraan rakyat di suatu daerah dengan daerah lain sehingga dapat membantu pemerintah dalam menyusun dan menentukan prioritas pembangunan. Data indikator kesejahteraan berupa data campuran. Metode pengelompokkan yang dapat digunakan untuk menangani data campuran yaitu metode cluster ensemble dengan menggunakan algoritma CEBMDC (Cluster Ensemble Based Mixed Data Clustering) dengan melakukan pengelompokkan untuk data numerik dan data kategorik secara terpisah, selanjutnya hasil pengelompokkan digabungkan. Objek pengamatan pada penelitian ini adalah 34 provinsi di Indonesia. Pengelompokkan untuk data numerik menggunakan metode hirarki agglomerative, sedangkan pengelompokkan data kategorik menggunakan metode ROCK (Robust Clustering Using Links). Metode ROCK ini selanjutnya akan digunakan lagi pada tahap penggabungan. Hasil pengelompokkan terbaik untuk data numerik dengan nilai CP terkecil diperoleh pada metode Ward yang menghasilkan 2 cluster. Untuk pengelompokkan data kategorik dengan nilai CP* terbesar diperoleh pada � = 0.30 yang menghasilkan 4 cluster . Untuk penggabungan hasil numerik dan kategorik dengan cluster ensemble diperoleh pada � = 0.30 dengan nilai CP* terbesar yang menghasilkan 4 cluster yang terdiri dari 1 provinsi pada cluster 1, 19 provinsi pada cluster 2, 10 provinsi pada cluster 3, dan 4 provinsi pada cluster 4. Kata Kunci : Data Campuran, Data Numerik, Data Kategorik, Cluster Ensemble, CEBMDC, ROCK, CP, CP*.

Actions (login required)

View Item