PENDAHULUAN
TINJAUAN PUSTAKA
METODOLOGI PENELITIAN
LATAR BELAKANG
Peningkatan kasus
kemiskinan di Jawa
Tengah
Pembatasan sosial
masyarakat masa
pandemi
Penyaluran bantuan
kurang tepat sasaran
Penargetan masyarakat
yang kurang mampu
sesuai indikator
kemiskinan
BAB IV BAB V
RUMUSAN MASALAH
TUJUAN PENELITIAN
MANFAAT PENELITIAN
TINJAUAN PUSTAKA
KEMISKINAN
DATA MINING
Deskripsi
Estimasi
Fungsi Data Mining
Prediksi
Clustering
Asosiasi
BAB IV BAB V
CLUSTERING
Pengelompokan sejumlah objek ke dalam cluster sehingga setiap cluster tersebut akan
berisi data yang semirip mungkin dan berbeda dengan objek dalam cluster yang lainnya.
Hierarchical
Clustering
• Mcquitty Linkage, Single Linkage, Centroid Linkage,
dll
Jenis clustering
Partitioned
Clustering
• K-Means, Fuzzy K-Means, Mixture Modelling, dll.
BAB IV BAB V
PENDEKATAN RULE-OF-THUMB
dmj adalah jarak antara cluster m dan j, dkj adalah jarak antara cluster k
dan j, dan dlj adalah jarak antara cluster l dan j.
BAB IV BAB V
Metodologi Penelitian
Data yang digunakan adalah data sekunder dari data kemiskinan di Jawa Tengah 2021
yang dipublikasikan oleh Badan Pusat Statistik.
BAB IV BAB IV
LANGKAH PENELITIAN
Pendekatan Rule-of-Thumb
Perhitungan untuk menentukan jumlah cluster (k). Proses ini menginisialisasi nilai awal k
sebagaiLANGKAH PENELITIAN
jumlah cluster yang akan dipartisi secara dinamis. Berikut merupakan hasil
perhitungan jumlah cluster.
Flowchart langkah penelitian
yang dilakukan untuk mencapai
tujuan penelitian.
Proses clustering pertama yaitu melakukan clustering data kemiskinan menggunakan metode
Mcquiity Linkage atau sering disebut juga dengan metode Pair Group Method with Arithmetic Mean
LANGKAH
(WPGMA). Berikut PENELITIAN
merupakan hasil dari perhitungan metode Mcquitty Linkage:
Berdasarkan perhitungan dihasilkan empat cluster, dimana setiap cluster yang terbentuk akan
dicari rata-rata dan akan digunakan sebagai centroid awal pada perhitungan metode K-Means.
Centroid awal yang terbentuk adalah sebagai berikut:
LANGKAH PENELITIAN
Pusat cluster yang ditentukan melalui metode Mcquitty Linkage kemudian akan dilanjutkan
Untuk perhitungan menggunakan K-Means Clustering. Berikut hasil perhitungan K-Means:
LANGKAH PENELITIAN
LANGKAH PENELITIAN
Hasil akhir dari proses clustering diperoleh
Flowchart
1. Cluster langkah
1 terdiri penelitian
dari Kabupaten Magelang, Boyolali, Wonogiri, Blora, Temanggung, dan Kendal.
2. yang dilakukan
Cluster untuk
2 terdiri dari mencapai
Kabupaten Cilacap, Kebumen, Purworejo, Sukoharjo, Karanganyar, Sragen,
Grobogan, Rembang,
tujuan Pati, Jepara, Demak, Semarang, Batang, Pekalongan, Tegal, dan Kota
penelitian.
Tegal.
3. Cluster 3 terdiri dari Kota Magelang, Kota Surakarta, Kota Salatiga, Kota Semarang, dan Kota
Pekalongan.
4. Cluster 4 terdiri dari Kabupaten Cilacap, Banyumas, Purbalingga, Wonosobo, Pemalang, dan
Brebes.
BAB IV BAB V
1. Diperoleh 4 cluster dengan pemetaan karakteristik dari setiap kelompok yang terbentuk
berdasarkan nilai rata-rata tertinggi dan terendah dari setiap indikator kemiskinan provinsi Jawa
Tengah tahun 2021.
LANGKAH Dari empat cluster yang terbentuk diperoleh cluster ke-1 yang terdiri dari
PENELITIAN
Magelang, Boyolali, Wonogiri, Blora, Temanggung, Kendal. Pada cluster 1 perlu diprioritaskan
dalam peningkatan kesejahteraan penduduknya.
Flowchartmetode
2. Gabungan langkah penelitian
Mcquitty Linkage dan K-Means Clustering mampu menghasilkan analisis
yang dilakukan
cluster yang lebihuntuk mencapai
baik karena masalah penentuan pusat awal cluster pada K-Means dapat
diatasi. tujuan penelitian.
3. Dengan diketahuinya karakteristik di setiap wilayah, tentunya akan menjadi dasar yang kuat bagi
penyelenggara pemerintahan dalam memberikan kebijakan/pendekatan yang tepat dan cepat
untuk mengatasi kemiskinan yang terjadi.
4. Untuk penelitian berikutnya akan lebih baik apabila penelitian ini dapat menambahkan metode
untuk menghitung keoptimalan dari hasil analisis cluster.
BAB IV BAB V
DAFTAR RUJUKAN
[1] Badan Pusat Statistik (BPS). 2021. Data dan Informasi Kemiskinan Kabupaten/Kota 2021. Jakarta: Badan Pusat Statistik.
[2] Febianto, N. I., Palasara, N. (2019). Analisa Clustering K-Means Pada Data Informasi Kemiskinan Di Jawa Barat Tahun 2018. Jurnal
Sisfokom (Sistem Informasi Dan Komputer), 8(2), 130–140. https://doi.org/10.32736/sisfokom.v8i2.653
[3] Wahyuni, S., Jatmiko, Y. A. (2019). Pengelompokan Kabupaten/Kota di Pulau Jawa Berdasarkan Faktor-Faktor Kemiskinan dengan
Pendekatan Average Linkage Hierarchical Clustering. Jurnal Aplikasi Statistika Komputasi Statistik, 10(1), 1. https://doi.org/10.34123/
jurnalasks.v10i1.197
[4] Aprilia, A., Rahmawati, W. M., Hakimah, M. (2019). Penentuan Kategori Status Gizi Balita Menggunakan Penggabungan Metode Klasterisasi
Agglomerative Dan K-Means. Seminar Nasional Sains Dan Teknologi Terapan VII - Institut Teknologi Adhi Tama Surabaya, 595–600.
[5] Nishom, M., Fathoni, M. Y. (2018). Implementasi Pendekatan Rule-Of-Thumb untuk Optimasi Algoritma K-Means Clustering. Jurnal
Informatika: Jurnal Pengembangan IT, 3(2), 237–241. https://doi.org/10.30591/jpit.v3i2.909
[6] Yuli Mardi. (2019). Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge
Discovery in Database (KDD). Jurnal Edik Informatika. Jurnal Edik Informatika, 2(2), 213–219.
[7] Alfina, T., Santosa, B., Barakbah, A. R. (2012). Tahta Alfina, Budi Santosa, dan Ali Ridho Barakbah Jurusan Teknik Industri, Fakultas
Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111. Jurnal Teknik POMITS, 1(1), 1–5
[8] Rahmawati, L., Widya Sihwi, S., Suryani, E. (2016). Analisa Clustering Menggunakan Metode K-Means Dan Hierarchical Clustering (Studi
Kasus : Dokumen Skripsi Jurusan Kimia, Fmipa, Universitas Sebelas Maret). Jurnal Teknologi Informasi ITSmart, 3(2), 66. https://doi.
org/10.20961/its.v3i2.654
[9] Andrea, T., Wahyuningsih, S., Nanda, A. (2019). Penerapan Hierarchial Clustering Metode Agglomerative pada Data Runtun Waktu. Jurnal of
Mathematics, 1(2), 64–78.
[10] Handoyo, R., R. Rumani, M., Naution, S. M. (2014). Perbandingan Metode Clustering Menggunakan Metode Single Linkage dan K-Means
Pada Pengelompokkan Dokumen. JSM STMIK Mikroskil, 15(2), 73–82
TERIMA KASIH
TERIMA KASIH