Perbandingan Metode K-Means dan Fuzzy C-Means Dalam Pengelompokan Kabupaten/Kota Di Kalimantan Berdasarkan Indikator Pendidikan
Analisis cluster merupakan analisis yang bertujuan untuk mengelompokkan data berdasarkan kesamaan karakteristik tertentu. Metode pengelompokan yang digunakan pada penelitian ini adalah K-Means dan Fuzzy C-Means (FCM). KMeans merupakan suatu metode pengelompokan data non hirarki yang berbasis partisi. FCM merupakan metode pengelompokan data dimana keberadaan setiap data dalam suatu cluster ditentukan oleh derajat keanggotaan. Penelitian ini bertujuan untuk mengelompokkan Kabupaten/Kota di Pulau Kalimantan berdasarkan indikator pendidikan tahun 2021 menggunakan metode K-Means dan Fuzzy C-Means, serta mengetahui metode apa yang lebih baik digunakan berdasarkan nilai rasio simpangan baku. Berdasarkan hasil analisis, dapat disimpulkan bahwa metode yang lebih baik digunakan berdasarkan nilai rasio simpangan baku terkecil di antara K-Means dan Fuzzy C-Means adalah metode KMeans dengan nilai rasio simpangan baku dalam cluster terhadap simpangan baku antar cluster adalah sebesar 0,6052 yang menghasilkan cluster optimal sebanyak 2 cluster yaitu cluster pertama yang beranggotakan 14 Kabupaten/Kota sedangkan cluster kedua yang beranggotakan 42 Kabupaten/Kota di Pulau Kalimantan.
Ketersediaan
Detail Information
Judul | Perbandingan Metode K-Means dan Fuzzy C-Means Dalam Pengelompokan Kabupaten/Kota Di Kalimantan Berdasarkan Indikator Pendidikan |
---|---|
Pengarang | Gerald Claudio Messakh - Personal Name |
No. Panggil | SKRIPSI GER p 2023 |
Subyek | FCM, Indikator Pendidikan, K-Means, Rasio Simpanga |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2023 |
Penerbit | Fakultas Matematika Dan Ilmu Pengetahuan Alam |
Jurusan | Statistika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY