ANALISIS METODE K-MEANS DAN FUZZY C-MEANS DALAM MENGELOMPOKKAN KESEJAHTERAAN MASYARAKAT DITINJAU DARI BIDANG PENDIDIKAN DI INDONESIA

DINDA TRIANA, . (2023) ANALISIS METODE K-MEANS DAN FUZZY C-MEANS DALAM MENGELOMPOKKAN KESEJAHTERAAN MASYARAKAT DITINJAU DARI BIDANG PENDIDIKAN DI INDONESIA. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (2MB)
	Text BAB 1.pdf Download (1MB)
	Text BAB 2.pdf Restricted to Registered users only Download (3MB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (3MB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (730kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (797kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Clustering merupakan teknik untuk mengelompokkan data berdasarkan perhitungan jarak. Objek yang memiliki tingkat kehomogenan besar akan berada dalam cluster yang sama. Dalam clustering terdapat banyak metode diantaranya adalah K-Means dan Fuzzy C-Means dimana kedua metode tersebut merupakan clustering berbasis partisi namun terdapat perbedaan diantara keduanya yaitu, K-Means merupakan Hard Clustering sedangkan Fuzzy C-Means merupakan Soft Clustering. Penelitian ini bertujuan untuk menganalisis metode K-Means dan Fuzzy C-Means dalam mengelompokkan kesejahteraan masyarakat ditinjau dari bidang pendidikan pada 34 provinsi di Indonesia. Kedua Metode dianalisis dengan jumlah cluster K=2,3,...,10 berbantuan software R Studio. Pada metode K-Means digunakan metode Elbow untuk memperoleh cluster optimal. Hasil metode Elbow menunjukkan bahwa jumlah cluster optimal adalah 5 cluster. Sedangkan pada metode Fuzzy C-Means untuk memperoleh jumlah cluster optimal dilihat dari nilai Dunn Index. Nilai Dunn Index terbesar ada pada 2 cluster. Hasil penelitian menunjukkan bahwa perolehan nilai Davies Bouldin Index pada metode K-Means adalah 1,2675 sedangkan pada metode Fuzzy C-Means adalah 2,1359. Pengelompokan kesejahteraan masyarakat ditinjau dari bidang pendidikan pada 34 provinsi di Indonesia lebih baik menggunakan metode K-Means. ***** Clustering is a technique for grouping data based on distance. Objects that have a high homogeneous level will be within the same cluster. In clustering, there are many methods including K-Means and Fuzzy C-Means where both methods are partitiopn based clustering but there are differences between which K-Means is Hard Clustering while Fuzzy C-Means is Soft Clustering. This study aims to analyze the K-Means and Fuzzy C-Means Methods for grouping social welfare by education of 34 provinces in Indonesia. Both methods were analyzed with the number of cluster K=2,3,…,10 using software R Studio.To obtain the optimal cluster at the K-Means method, the Elbow method is used. The results of the Elbow method is that the optimal cluster number is 5 clusters. While in the Fuzzy C-Means method to obtain the optimal number of clusters, the number of Dunn Index is used. The greatest number of Dunn Index is at the number of 2 clusters. The results of the study showed that the acquisition of the value of Davies Bouldin Index in the K-Means method is 1.2675 while the method Fuzzy C-Means is 2.1359. The clustering of social welfare by education in 34 provinces in Indonesia is better to use K-Means Method.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dr. Yudi Mahatma, M.Si. ; 2). Ibnu Hadi, M.Si.
Subjects:	Pendidikan > Pendidikan Dasar Sains > Matematika
Divisions:	FMIPA > S1 Matematika
Depositing User:	Users 18837 not found.
Date Deposited:	11 Sep 2023 02:17
Last Modified:	11 Sep 2023 02:17
URI:	http://repository.unj.ac.id/id/eprint/40662

Actions (login required)

View Item