PENERAPAN ALGORITMA HIERARCHICAL CLUSTERING DALAM PENGELOMPOKKAN KABUPATEN/KOTA DI PAPUA BERDASARKAN INDIKATOR KEMISKINAN

Fachrian Bimantoro Putra, Andrea Tri Rian Dani, Sri Wigantono

Abstract


Papua merupakan provinsi paling timur Indonesia yang memiliki kekayaan alam yang melimpah, khususnya kekayaan alam mineral. Namun hal tersebut, tidak serta merta melepaskan masyarakat Papua dari belenggu kemiskinan. Dari sudut pandang ekonomi, kemiskinan berkaitan dengan rasio ketergantungan, pendidikan, dan Kesehatan. Oleh karena itu, dalam upaya pengentasan kemiskinan di Papua, di rasa menjadi hal yang menarik dan perlu untuk melihat pengelompokkan wilayah mana saja yang perlu diprioritaskan. Pengelompokkan kabupaten/kota dilakukan dengan menggunakan algoritma hierarchical clustering, diantaranya single linkage, complete linkage, dan average linkage. Berdasarkan hasil analisis, diperoleh algoritma yang terbaik adalah complete linkage dengan jumlah klaster optimal yaitu 3 klaster. Pada klaster 1, terdapat 12 Kabupaten/Kota, klaster 2 terdapat 13 Kabupaten/Kota, dan klaster 3 terdapat 4 Kabupaten/Kota.

Keywords


complete linkage; single linkage; average linkage; cluster

Full Text:

PDF


DOI: https://doi.org/10.15548/map.v5i2.7025
Abstract views : 93 times
PDF : 118 times

References


V. Ratnasari, I. N. Budiantara, I. Zain, M. Ratna, and N. P. A. M. Mariati, “Comparison Truncated Spline and Fourier Series in Multivariable Nonparametric Regression Models (Application- Data of Poverty in Papua, Indonesia),” International Journal of Basic & Applied Sciences (IJBAS-IJENS), vol. 15, no. 04, pp. 9–12, 2015.

A. T. R. Dani and L. Nimatuzzahroh, “Pemodelan Persentase Penduduk Miskin Kabupaten/Kota di Provinsi Jawa Barat dengan Pendekatan Regresi Nonparametrik Spline Truncated,” 2021.

L. Ni’matuzzahroh and A. T. R. Dani, “Pemodelan Rata-Rata Lama Sekolah Di Provinsi Nusa Tenggara Timur (Ntt) Menggunakan Pendekatan Regresi Nonparametrik Spline …,” Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya, pp. 289–301, 2022.

A. Radovanovic, J. Li, J. V. Milanovic, N. Milosavljevic, and R. Storchi, “Application of agglomerative hierarchical clustering for clustering of time series data,” IEEE PES Innovative Smart Grid Technologies Conference Europe, vol. 2020-Octob, pp. 640–644, 2020.

Vijaya, S. Aayushi, and R. Bateja, “A Review on Hierarchical Clustering Algorithms,” Journal of Engineering and Applied Sciences, vol. 12, no. 24. pp. 7501–7507, 2017.

A. Wahyu and Rushendra, “Klasterisasi Dampak Bencana Gempa Bumi Menggunakan Algoritma K-Means di Pulau Jawa,” Jurnal Edukasi dan Penelitian Informatika, vol. 8, no. 1, pp. 175–179, 2022.

R. Novidianto and A. T. R. Dani, “Analisis Klaster Kasus Aktif COVID-19 Menurut Provinsi di Indonesia Berdasarkan Data Deret Waktu,” Jurnal Aplikasi Statistika & Komputasi Statistik, vol. 5, pp. 15–24, 2020.

D. Widyadhana, R. B. Hastuti, I. Kharisudin, and F. Fauzi, “Perbandingan Analisis Klaster K-Means dan Average Linkage untuk Pengklasteran Kemiskinan di Provinsi Jawa Tengah,” PRISMA, Prosiding Seminar Nasional Matematika, vol. 4, pp. 584–594, 2021.

G. D. Rembulan, T. Wijaya, D. Palullungan, K. N. Alfina, and M. Qurthuby, “Kebijakan Pemerintah Mengenai Coronavirus Disease (COVID-19) di Setiap Provinsi di Indonesia Berdasarkan Analisis Klaster,” JIEMS (Journal of Industrial Engineering and Management Systems), vol. 13, no. 2, Sep. 2020.

A. T. R. Dani, S. Wahyuningsih, and N. A. Rizki, “Pengelompokkan Data Runtun Waktu menggunakan Analisis Cluster (Studi Kasus: Nilai Ekspor Komoditi Migas dan Nonmigas Provinsi Kalimantan Timur Periode Januari 2000-Desember 2016),” Jurnal EKSPONENSIAL, vol. 11, pp. 29–38, 2020.

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),” in Seminar Nasional Official Statistics, 2021, pp. 557–566.

A. T. R. Dani, S. Wahyuningsih, and N. A. Rizki, “Penerapan Hierarchical Clustering Metode Agglomerative pada Data Runtun Waktu,” Jambura Journal of Mathematics, vol. 1, no. 2, pp. 64–78, 2019.

K. K.Mohbey and G. S. Thakur, “An Experimental Survey on Single Linkage Clustering,” Int J Comput Appl, vol. 76, no. 17, pp. 6–11, 2013.

R. S. Kousiga, T. & Vadivu, “Hierarchical Clustering Algorithms in Data Mining,” International Journal of Scientific Development and Research (IJSDR), vol. 4, no. 9, pp. 1–3, 2019.

L. Ramos Emmendorfer and A. M. de Paula Canuto, “A generalized average linkage criterion for Hierarchical Agglomerative Clustering,” Appl Soft Comput, vol. 100, p. 106990, 2021.

R. Hidayati, A. Zubair, A. Hidayat Pratama, L. Indana, P. Studi Sistem Informasi, and F. Teknologi Informasi, “Analisis Silhouette Coefficient pada 6 Perhitungan Jarak K-Means Clustering Silhouette Coefficient Analysis in 6 Measuring Distances of K-Means Clustering,” 2021.


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Lisensi Creative Commonsis licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.