ANALISIS CLUSTER DENGAN ALGORITMA K-MEANS, FUZZY C-MEANS DAN HIERARCHICAL CLUSTERING (Studi Kasus: Indeks Pembangunan Manusia tahun 2019)
Abstract
ABSTRAK
Analisis cluster adalah suatu metode data mining untuk mengelompokkan data atau objek yang didasrkan pada informasi yang ada untuk menggambarkan relasi yang terdapat antara objek tersebut. Analisis cluster bertujuan untuk membuat objek yang digabungkan dalam cluster memiliki persamaan yang tinggi dan berbeda antar cluster. Pembangunan IPM di setiap Kabupaten/Kota sangat tidak merata. Pengelompokan IPM ini dilakukan untuk mengetahui variable IPM yang harus di prioritaskan dalam pembangunan. Dalam penelitian ini digunakan tiga metode pengelompokan yaitu pengelompokkan dengan metode K-Means, Fuzzy C-Means dan Hierarchical clustering. Penentuan jumlah cluster yang optimal dan metode pengelompokan terbaik dengan membandingkan Indeks Silhouette, Davis Bouldin dan Calinski Harabasz dari ketiga metode pengelompokkan. Metode yang memiliki indeks optimal akan dipilih sebagai metode terbaik. Hasil yang didapat untuk pengelompokan data IPM Kabupaten/Kota tahun 2019 adalah terdapat 2 jumlah cluster optimal untuk metode K-Means dan Hierarchical dan 3 jumlah cluster untuk metode Fuzzy C-Means. Dengan membandingkan nilai validasi antar ketiga metode, didapat bahwa metode K-Means adalah metoode terbaik untuk pengelompokan data IPM Kabupaten/Kota tahun 2019.
Kata kunci: IPM, K-Means, Fuzzy C-Means, Hierarchical, Silhouette, Davies Bouldin, Calinski Harabasz
Keywords
Full Text:
PDF (Bahasa Indonesia)DOI: http://dx.doi.org/10.26798/jiko.v5i2.422
Article Metrics
Abstract view : 1785 timesPDF (Bahasa Indonesia) - 1137 times
Refbacks
Copyright (c) 2021 Rizqina Rahmati