Disusun Oleh :
Dluha Rofiqotul Azizah (1700015046)
Pembimbing :
Nursyiva Irsalinda,S.Si, M.Si.
PRODI MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI TERAPAN
UNIVERSITAS AHMAD DAHLAN
Latar
Belakang
Validasi
Davies Bouldin
Index
Agglomerative
Sosial Ekonomi Dunn Index
Hierarchical
Sangat berpengaruh Jarak
Clustering
terhadap Manhattan
Complete Linkage Distance
kesejahteraan
masyarakat
Kemiskinan
Indikator
Kemiskinan
Kemiskinan di
Jawa Tengah
Identi fi kasi Masalah
Provinsi Jawa Tengah merupakan Provinsi dengan tingkat
kemiskinan yang cukup tinggi di Indonesia, serta pandemi
Covid-19 memperparah situasi kemiskinan di Jawa Tengah
menjadi 15 Kabupaten, Pemerintah juga belum bisa bijak
dalam menanggulangi kemiskinan yang ada di Provinsi Jawa
Tengah. Oleh karena itu dengan menggunakan model
Agglomerative Hierarki Clustering dapat dilakukan untuk
mengelompokkan kemiskinan di Provinsi Jawa Tengah
sesuai dengan kabupaten tingkat kesejahteraan sosial-
ekonominya.
Tujuan Peneliti an
1 2
Mengetahui analisis Mengetahui hasil
cluster yang digunakan pengelompokan menggunakan
untuk mengelompokkan Agglomerative Hirarki
kemiskinan di Provinsi Clustering berdasarkan tingkat
Jawa Tengah kemiskinan di Provinsi Jawa
Tengah.
Metodologi Penelitian
Variabel Penelitian
01 Data Penelitian
⁻ Menggunakan data sekunder
02 ⁻ Faktor-faktor yang mempengaruhi
⁻ Data diperoleh dari BPS Jawa kemiskinan berdasarkan sosial ekonomi
rumah tangga
Tengah ⁻ Terdapat 12 Variabel
[ ]
12,253786 0 8,218576 14,137518 9,069403 12,882645 9,671600 ⋯ 11,601978
10,330827 8,218576 0 10,684174 9,301723 12,236494 9,366952 ⋯ 8,564669
15,090698 14,137518 10,684174
𝑑 = 12,108486 9,069403 9,301723
0
9,480004
9,480004
0
Highlight
16,066988
12,872077
1 3,420998
9,138494
⋯
⋯
14,095753
12,080968
10,126957 12,882645 12,236494 16,066988 12,872077 0 12,177022 ⋯ 18,066530
1 4,108965 9,671600 9,366952 13,420998 9,138494 12,177022 0 ⋯ 12,932778
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮
12,343103 11,601978 8,564669 14,095753 12,080968 18,066530 12,932778 ⋯ 0
20%
Agglomerative
3 1,6,7,8,9,10,11,1
2,13,14,15,16,1
Kabupaten 11 2,3,4,5,25,27,29
Hierarchical
• Clustering
Complete Linkage
4 7,18,19,20,21,2
2,23,24,26,28
1,6,7,8,9,10,11,1
𝑑
( 𝑢𝑣 )=𝑚𝑎𝑘𝑠 { 𝑑 𝑢𝑤 , 𝑑 𝑣 𝑤 } 2,13,14,15,16,1
7,18,19,20,21,2
: Jarak antara
kelompok u dan 2,23,24,26,28
kelompok w
: Jarak antara 11
kelompok v dan
kelompok w
2,3,4,5,25,27,29
The
Highlight
20%
Agglomerative
3
Hierarchical
• Clustering
Complete Linkage
4
𝑑
( 𝑢𝑣 )=𝑚𝑎𝑘𝑠 { 𝑑 𝑢𝑤 , 𝑑 𝑣 𝑤 }
: Jarak antara
kelompok u dan
kelompok w
: Jarak antara
kelompok v dan
kelompok w
The
Highlight
Kelompo / Cluster Anggota
20%
6 Kelompo / Cluster Ciri Spesifik
Kelompok pertengahan, Kabupaten
Kelompom / Cluster 1 dengan tingkat kemiskinan yang berada
Interpretasi Cluster diantara cluster 2 dan cluster 3
Kelompom / Cluster 2 Tingkat Kemiskinan sangat besar
Kelompom / Cluster 3 Tingkat kemiskinan sangat kecil
20% Davies Bouldin Index (DBI)
Validasi Cluster 7 1. Menghitung SSW
Cluster 1 Cluster 2 Cluster 3
SSW
• Davies Bouldin
Index (DBI)
• Dunn Index (DI)
SSB 1 2 3
1
2. Menghitung SSB
2
Nilai DBI
3
𝟏 𝒌
𝑚𝑎𝑥
𝒌
∑ (𝑅 𝑖 , 𝑗)
𝒊≠ 𝒋 Rasio 1 2 3 R-max
𝒊=𝟏
3. Menghitung Ratio
𝟏 , 𝟒𝟏𝟒𝟕𝟗𝟔
1
3
20%
Validasi Cluster 7
• Davies Bouldin
Index (DBI)
• Dunn Index (DI)
Dunn Index (DI)
min (𝑑 ( 𝑐𝑖 , 𝑐 𝑗 ))
Nilai DI
𝐷𝐼=
{ 1< 𝑖 < 𝑘
𝑖 + 1≤ 𝑗 ≤ 𝑛
❑
max (𝑑 ( 𝑐 𝑙 ))
1 ≤𝑙 ≤ 𝑛
}
𝟎
, 𝟑𝟗𝟐𝟎𝟓𝟏𝟗
7,424807
18,938325
𝐷 𝐼 = 7,424807
{18,938325 }=0,3920519
KE
1
SI
Menggunakan jarak Manhattan
MP
UL Cluster DBI DI
AN Menggunakan Metode Complete Linkage 2 0,520943 0,4744960
3 1,414796 0,3920519
4 1,686196 0,4206641
Hasil dari Validasi terbentuk menjadi 2 cluster 5 1,36035 0,4516014
KE 2
SI
MP
Terdapat 2 cluster yang diperoleh :
UL
AN Cluster 1 / Kelompok 1
Terdiri dari 28 Kabupaten
Cluster 2 / Kelompok 2
Terdiri dari 1 Kabupaten
SARAN