Clustering Data Penduduk Miskin Dampak Covid-19 Menggunakan Algoritma K-Medoids

  • Novi Widiawati Universitas Singaperbangsa Karawang
  • Betha Nurina Sari Universitas Singaperbangsa Karawang
  • Tesa Nur Padilah Universitas Singaperbangsa Karawang

Abstract

Kemiskinan merupakan masalah yang mendasar, kemiskinan bisa berakibat pada terhambatnya pembangunan nasional. Ada beberapa aspek yang berkaitan dengan kemiskinan yaitu faktor ekonomi, politik, dan psikososial. Secara ekonomi, kemiskinan diartikan sebagai kurangnya sumber daya untuk memenuhi kebutuhan hidup dan meningkatkan kesejahteraan. Pada penelitian ini data yang digunakan pada tahun 2020 yang bersumber dari Badan Pusat Statistika. Dalam upaya menemukan kasus kemiskinan dampak covid-19 dapat menggunakan Data Mining. Tujuan dari penelitian ini untuk mengelompokkan kabupaten/kota yang memiliki kemiskinan dampak covid-19 dengan tingkat tinggi dan rendah di Indonesia. Penelitian yang akan dilakukan dengan langkah data mining yaitu CRISP-DM (Cross Industry Standart for Data Mining) yang terdiri dari 6 fase yaitu pemahaman bisnis (business understanding), pemahaman data (data understanding), pengolahan data (data preparation), pemodelan (modelling), evaluasi (evaluation), dan penyebaran (deployment). Algoritme yang digunakan pada penelitian ini yaitu K-Medoids. Pengukuran menggunakan bahasa R dengan bantuan fungsi Pamk sehingga hasil yang didapatkan pada dataset Penduduk Miskin Tahun 2020 memiliki cluster optimal sebanyak 2 cluster. Cluster1 dengan jumlah 121 kabupaten/kota dengan kategori tinggi, sedangkan cluster2 dengan jumlah 427 dengan kategori rendah. Hasil dari evaluasi nilai Silhouette Coefficinet sebesar 0,4735719 .

Downloads

Download data is not yet available.

References

S. Internawati, “Studi Pelaksanaan Pendataan Keluarga,” Stud. Pelaks. Pendataan Kel. Miskin Dan Pemberdaya. Masy. Dalam Mengentaskan Kemiskin. Di Desa Danau Redan Kec. TelukPandan, vol. 1, no. 1, pp. 309–323, 2013, [Online]. Available: https://ejournal.ap.fisip-unmul.ac.id/site/?p=700.

N. Zuhdiyaty and D. Kaluge, “Analisis Faktor - Faktor Yang Mempengaruhi Kemiskinan Di Indonesia Selama Lima Tahun Terakhir,” J. Ilm. Bisnis dan Ekon. Asia, vol. 11, no. 2, pp. 27–31, 2018, doi: 10.32812/jibeka.v11i2.42.

B. Riyanto, “Penerapan Algoritma K-Medoids Clustering Untuk Pengelompokkan Penyebaran Diare Di Kota Medan (Studi Kasus: Kantor Dinas Kesehatan Kota Medan),” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 562–568, 2019, doi: 10.30865/komik.v3i1.1659.

A. Y. Rofiqi, “Clustering Berita Olahraga Berbahasa Indonesia Menggunakan Metode K-Medoid Bersyarat,” J. Simantec, vol. 6, no. 1, pp. 25–32, 2017.

R. C. Balabantaray, C. Sarma, and M. Jha, “Document Clustering using K-Means and K-Medoids,” 2015, [Online]. Available: http://arxiv.org/abs/1502.07938.

R. D. Ramadhani and D. J. Ak, “Evaluasi K-Means dan K-Medoids pada Dataset Kecil,” Semin. Nas. Inform. dan Apl., no. September, pp. 20–24, 2017.

D. F. Pramesti, Lahan, M. Tanzil Furqon, and C. Dewi, “Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 9, pp. 723–732, 2017, doi: 10.1109/EUMC.2008.4751704.

D. E. Kurniawan and A. Fatulloh, “Clustering of Social Conditions in Batam, Indonesia Using K-Means Algorithm and Geographic Information System,” International Journal of Earth Sciences and Engineering (IJEE), vol. 10, no. 5, pp. 1076–1080, 2017.

P. Prasetyawan, I. Ahmad, R. I. Borman, Y. A. Pahlevi, and D. E. Kurniawan, “Classification of the Period Undergraduate Study Using Back-propagation Neural Network,” 2018, pp. 1–5.

F. Mahmuda, M. A. R. Sitorus, H. Widyastuti, and D. E. Kurniawan, “Clustering Profil Pengunjung Perpustakaan Menggunakan Algoritma K-Means,” Journal of Applied Informatics and Computing, vol. 1, no. 1, Art. no. 1, 2017, doi: 10.30871/jaic.v1i1.476.

S. Sindi, W. R. O. Ningse, I. A. Sihombing, F. Ilmi R.H.Zer, and D. Hartama, “Analisis algoritma K-Medoids clustering dalam pengelompokan penyebaran Covid-19 di Indonesia,” Jti (Jurnal Teknol. Informasi), vol. 4, no. 1, pp. 166–173, 2020.

A. Ariyanto, D. E. Kurniawan, and A. Fatulloh, ‘Rancang Bangun Aplikasi WebGIS untuk Pemetaan Kondisi Sosial Ekonomi Kota Batam’, J. Appl. Inform. Comput. JAIC, vol. 2, no. 1, Art. no. 1, 2018, doi: 10.30871/jaic.v2i1.904.

D. Feblian and D. U. Daihani, “Implementasi Model Crisp-Dm Untuk Menentukan Sales Pipeline Pada Pt X,” J. Tek. Ind., vol. 6, no. 1, pp. 1–12, 2017, doi: 10.25105/jti.v6i1.1526.

B. Wira, A. E. Budianto, and A. S. Wiguna, “Implementasi Metode K-Medoids Clustering Untuk Mengetahui Pola Pemilihan Program Studi Mahasiwa Baru Tahun 2018 Di Universitas Kanjuruhan Malang,” RAINSTEK J. Terap. Sains Teknol., vol. 1, no. 3, pp. 53–68, 2019, doi: 10.21067/jtst.v1i3.3046.

D. Marlina, N. Lina, A. Fernando, and A. Ramadhan, “Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak,” J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 4, no. 2, p. 64, 2018, doi: 10.24014/coreit.v4i2.4498.

S. Defiyanti, M. Jajuli, and N. Rohmawati, “K-Medoid Algorithm in Clustering Student Scholarship Applicants,” Sci. J. Informatics, vol. 4, no. 1, pp. 27–33, 2017, doi: 10.15294/sji.v4i1.8212.

W. Budiaji and F. Leisch, “Simple k-medoids partitioning algorithm for mixed variable data,” Algorithms, vol. 12, no. 9, pp. 1–15, 2019, doi: 10.3390/a12090177.

D. Wahyuli, H. Handrizal, I. Parlina, A. P. Windarto, D. Suhendro, and A. Wanto, “Mengelompokkan Garis Kemiskinan Menurut Provinsi Menggunakan Algoritma K-Medoids,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, p. 452, 2019, doi: 10.30645/senaris.v1i0.51

I. Budiman, “28. 29. 1,” Data Clust. Menggunakan Metodol. Cris. Untuk Pengenalan Pola Proporsi Pelaks. Tridharma, pp. 1–56, 2012.

R. D. Setiyawan, D. Sunaryono, and R. J. Akbar, Rancang Bangun Aplikasi Untuk Pemetaan Tingkat Kemiskinan Masyarakat Berbasis Perangkat Bergerak, vol. 5, no. 2. 2016.

P. Kumar and D. Sirohi, “Comparative analysis of FCM and HCM algorithm on Iris data set,” Int. J. Comput. Appl., vol. 5, no. 2, pp. 33–37, 2010, doi: 10.5120/888-1261.

P. Arora, Deepali, and S. Varshney, “Analysis of K-Means and K-Medoids Algorithm for Big Data,” Phys. Procedia, vol. 78, no. December 2015, pp. 507–512, 2016, doi: 10.1016/j.procs.2016.02.095.

I. Kamila, U. Khairunnisa, and M. Mustakim, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau,” J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 5, no. 1, p. 119, 2019, doi: 10.24014/rmsi.v5i1.7381

D. Wahyuli, H. Handrizal, I. Parlina, A. P. Windarto, D. Suhendro, and A. Wanto, “Mengelompokkan Garis Kemiskinan Menurut Provinsi Menggunakan Algoritma K-Medoids,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, p. 452, 2019, doi: 10.30645/senaris.v1i0.51.

Published
2022-05-12
How to Cite
[1]
N. Widiawati, B. Sari, and T. Padilah, “Clustering Data Penduduk Miskin Dampak Covid-19 Menggunakan Algoritma K-Medoids”, JAIC, vol. 6, no. 1, pp. 55-63, May 2022.
Section
Articles