Dandy Ali Akbar, 4112318012 (2021) ANALISIS K-MEANS CLUSTER UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH TAHUN 2020 BERDASARKAN INDIKATOR KEMISKINAN. Under Graduates thesis, Universitas Negeri Semarang.

PDF - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Kemiskinan merupakan salah satu masalah yang selalu dihadapi oleh manusia. Masalah kemiskinan itu sama tuanya dengan usia kemanusiaan itu sendiri dan implikasi permasalahannya dapat melibatkan keseluruhan aspek kehidupan manusia. Penelitian ini membahas tentang pengelompokan kabupaten/kota di Jawa Tengah berdasarkan indikator kemiskinan menggunakan analisis K-Means Cluster. Metode K-Means Cluster adalah metode yang termasuk dalam algoritma clustering berbasis jarak yang membagi data ke dalam sejumlah cluster dan algoritma ini hanya bekerja pada atribut numerik. Tujuan yang ingin dicapai dari penelitian ini adalah menerapkan metode K-Means Cluster untuk mengelompokkan kabupaten/kota berdasarkan indikator kemiskinan di provinsi Jawa Tengah tahun 2020, mengetahui karakteristik cluster yang terbentuk, mengetahui variabel yang memberikan perbedaan paling besar pada cluster yang terbentuk. Metode pengumpulan data yang digunakan adalah metode dokumentasi, yaitu penulis mengambil data yang telah tersedia di instansi. Data dalam penelitian ini menggunakan data sekunder dari publikasi Badan Pusat Statistik. Objek penelitian yang dipakai adalah 35 kabupaten/kota di provinsi Jawa Tengah. Dari hasil analisis K-Means Cluster, pengelompokan kabupaten/kota di Jawa Tengah terbagi menjadi 3 kelompok cluster. Cluster 1 merupakan kelompok kabupaten/kota dengan tingkat kemiskinan tinggi terdiri dari 19 kabupaten/kota. Cluster 2 merupakan kelompok kabupaten/kota dengan tingkat kemiskinan rendah terdiri dari 11 kabupaten/kota. Cluster 3 merupakan kelompok kabupaten/kota dengan tingkat kemiskinan sedang terdiri dari 5 kabupaten/kota. Karakteristik Cluster yang terbentuk adalah sebagai berikut, cluster 1 terdiri dari penduduk miskin diatas rata�rata, air layak dibawah rata-rata, jamban sendiri/bersama dibawah rata-rata, rumah tangga miskin penerima BPNT diatas rata-rata, penduduk tidak bekerja dibawah rata-rata, angka melek huruf dibawah rata-rata, angka partisipasi sekolah diatas rata-rata, pendidikan yang ditamatkan dibawah rata-rata, bekerja di sektor informal diatas rata-rata, bekerja di sektor formal dibawah rata-rata, pengeluaran perkapita untuk makanan dibawah rata-rata. Cluster 2 terdiri dari penduduk miskin dibawah rata-rata, air layak diatas rata-rata, jamban sendiri/bersama diatas rata-rata, rumah tangga miskin penerima BPNT dibawah rata-rata, penduduk tidak bekerja diatas rata-rata, angka melek huruf diatas rata-rata, angka partisipasi sekolah diatas rata-rata, pendidikan yang ditamatkan diatas rata-rata, bekerja di sektor informal dibawah rata-rata, bekerja di sektor formal diatas rata-rata, pengeluaran perkapita untuk makanan diatas rata-rata. Cluster 3 terdiri dari penduduk miskin diatas rata-rata, air layak dibawah rata-rata, jamban sendiri/bersama diatas rata-rata, rumah tangga miskin penerima BPNT dibawah rata-rata, penduduk tidak bekerja dibawah rata-rata, angka melek huruf dibawah rata-rata, angka partisipasi sekolah dibawah rata-rata, pendidikan yang ditamatkan dibawah rata-rata, bekerja di sektor informal diatas rata-rata, bekerja di sektor formal dibawah rata-rata, pengeluaran perkapita untuk makanan diatas rata-rata. Variabel yang memberikan perbedaan paling besar pada ketiga cluster yang terbentuk adalah variabel bekerja di sektor formal memiliki nilai

Actions (login required)

View Item