Algoritma K-Means Untuk Pengelompokan Kabupaten/Kota Di Indonesia Berdasarkan Indikator Indeks Pembangunan Manusia

SHOFIYUDDIN, MUHAMMAD (2016) Algoritma K-Means Untuk Pengelompokan Kabupaten/Kota Di Indonesia Berdasarkan Indikator Indeks Pembangunan Manusia. Skripsi Sarjana thesis, Universitas Muria Kudus.

[img]
Tinjau ulang
PDF (Hal. Judul) - Accepted Version
Download (143kB) | Tinjau ulang
[img] PDF (Bab 1) - Accepted Version
Restricted to Hanya untuk pengguna terdaftar

Download (64kB) | Request a copy
[img] PDF (Bab 2) - Accepted Version
Restricted to Hanya untuk pengguna terdaftar

Download (86kB) | Request a copy
[img] PDF (Bab 3) - Accepted Version
Restricted to Hanya untuk pengguna terdaftar

Download (47kB) | Request a copy
[img] PDF (Bab 4) - Accepted Version
Restricted to Hanya untuk pengguna terdaftar

Download (260kB) | Request a copy
[img] PDF (Bab 5) - Accepted Version
Restricted to Hanya untuk pengguna terdaftar

Download (158kB) | Request a copy
[img] PDF (Bab 6) - Accepted Version
Restricted to Hanya untuk pengguna terdaftar

Download (32kB) | Request a copy
[img]
Tinjau ulang
PDF (Daftar Pustaka) - Accepted Version
Download (45kB) | Tinjau ulang
[img] PDF (Lampiran) - Accepted Version
Restricted to Hanya untuk pengguna terdaftar

Download (1MB) | Request a copy
Official URL: http://eprints.umk.ac.id

Abstrak

Pembangunan manusia merupakan hal yang wajib dilakukan oleh pemerintah dalam upaya peningkatan kesejahteraan rakyat. Saat ini masih banyak ketimpangan pembangunan manusia antar wilayah di Indonesia. Salah satu indikator untuk mengukur tingkat keberhasilan pembangunan manusia pada suatu negara adalah Indeks Pembangunan Manusia (IPM). IPM terdiri dari 4 indikator, yaitu angka harapan hidup, angka melek huruf, lama sekolah dan pengeluaran perkapita. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Indonesia berdasarkan karakteristik capaian pembangunan yang dimilikinya menggunakan algoritma K-Means. Data yang digunakan yaitu data IPM tahun 2012, dengan jumlah kabupaten dan kota sebanyak 497. Adapun ekstraksi ciri menggunakan Principal Component Analysis.PCA menghasilkan dua variabel sebagai komponen utama dengan total nilai keragaman 98.68%. Hasil pengklasteran yang diperoleh berupa dengan nilai evaluasi Davies Bouldin Index0.6164dan pola keanggotaan 317, 161, 19.Cluster dengan jumlah 317 memiliki kesejahteraan yang tinggi, sedangkan yang berjumlah 161 merupakan pertengahan antara kedua cluster. Adapun clusteryang berjumlah 19 masuk ke dalam kategori tidak sejahtera.

Tipe dokumen: Skripsi (Skripsi Sarjana)
Additional Information: Pembimbing : Endang Supriyati, M.Kom
Uncontrolled Keywords: : K-Means,Clustering,Principal Component Analysis,Indeks Pembangunan Manusia
Subjects: Teknologi > T1 Teknologi (Umum)
Divisions: Fakultas Teknik > S1 Teknik Informatika
Depositing User: pustakawan umk
Tanggal Deposit: 02 Jul 2016 01:54
Last Modified: 02 Jul 2016 01:54
URI: http://eprints.umk.ac.id/id/eprint/5560

Actions (login required)

View Item View Item