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 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 |