Home
Login.
Artikelilmiahs
41514
Update
GENDIS ARIESTA PRAGITAPUTRI
NIM
Judul Artikel
Aplikasi Clustering Berbasis Web Menggunakan Metode K-Means Pengelompokan Tingkat Kesejahteraan Sosial di DINSOSDALDUKKBP3A Kabupaten Purbalingga
Abstrak (Bhs. Indonesia)
Penelitian ini bertujuan untuk mengatasi masalah yang muncul akibat belum adanya pengelompokan tingkat kesejahteraan penduduk di Kabupaten Purbalingga. Metode Clustering dengan algoritma K-Means diimplementasikan untuk mengelompokkan tingkat kesejahteraan sosial penduduk, menggunakan dataset DTKS Kabupaten Purbalingga dengan jumlah data sebanyak 1194. Tahapan Data Mining pada penelitian ini yaitu feature selection, data cleaning, data scalling, perhitungan K-Means serta pengujian Silhouette Coefficient dan Davies Bouldin-Index. Setelah proses feature selection, terdapat 7 atribut yang digunakan yaitu sta_lahan, luas_atb, jumlah_anggota, ada_tabung_gas, jum_sapi, jum_kambing, jum_unggas. Dalam penelitian ini, jumlah K yang digunakan adalah 2, dan hasil clustering terbanyak terdapat di cluster 1 dengan jumlah data sebanyak 1127. Hasil pengujian model clustering menunjukkan bahwa jumlah data memiliki pengaruh terhadap kualitas dari cluster dan waktu yang dibutuhkan dalam proses clustering. Sedangkan pengujian terhadap sistem menggunakan blackbox menunjukan semua fitur valid.
Abtrak (Bhs. Inggris)
This study aims to overcome the problems that arise as a result of the lack of classification of the welfare level of the population in Purbalingga Regency. The clustering method with the K-Means algorithm is implemented to classify the level of social welfare of the population, using the DTKS Purbalingga dataset with a total of 1194 data. The stages of data mining in this study are feature selection, data cleaning, data scaling, K-Means calculations and testing the Silhouette Coefficient and Davies Bouldin-Index. After the feature selection process, there are 7 attributes that are used, namely land_staff, area_atb, number_members, ada_tube_gas, jum_sapi, jum_kambing, jum_unggas. In this study, the number of K used was 2, and the most clustering results were in cluster 1 with a total of 1037 data. The results of the clustering model test showed that the amount of data has an influence on the quality of the cluster and the time needed in the clustering process. While testing the system using a blackbox shows all the features are valid.
Kata kunci
Pembimbing 1
Pembimbing 2
Pembimbing 3
Tahun
Jumlah Halaman
Save