Text
Perbandingan Performa Fuzzy C-means dan K-medoids untuk Clustering Indeks Pembangunan Manusia di Kabupaten/Kota di Indonesia
Kesejahteraan masyarakat sebanding dengan tingkat pembangunan suatu negara. Semakin baik
pembangunan yang dilakukan maka semakin sejahtera pula masyarakat di negara tersebut.
Pemerataan pembangunan diperlukan pada semua wilayah untuk mencapai negara yang lebih
maju, oleh karena itu perlu memberikan prioritas pembangunan pada wilayah yang dinilai
masih tertinggal dibandingkan dengan wilayah lain. Pengukuran tingkat pembangunan suatu
wilayah dapat menggunakan suatu metode yaitu Indeks Pembangunan Manusia. Salah satu cara
agar terciptanya pemerataan pembangunan di semua wilayah adalah dengan menggunakan
data mining task clustering yang mengelompokkan wilayah berdasarkan nilai indikator –
indikator Indeks Pembangunan Manusia. Clustering dilakukan pada seluruh kabupaten/kota di
Indonesia menggunakan data pada tahun 2022. Penelitian yang serupa pernah dilakukan
menggunakan metode K-means, Fuzzy C-means ataupun metode lainnya. Akan tetapi
penelitian-penelitian tersebut masih belum ada yang membandingkan metode Fuzzy C-means
dan K-medoids, oleh karena itu penelitian ini akan membandingkan metode Fuzzy C-means
dan K-medoids. Selain membandingkan performa metode clustering juga diuji performa
clustering baik itu menggunakan feature selection ataupun tidak. Hasil dari penelitian ini
adalah metode Fuzzy C-means dengan jumlah cluster 2 dan penggunaan 3 dari 4 fitur memiliki
nilai-nilai evaluasi yang paling baik dengan tingkat kemiripan dengan kriteria United Nations
Development Programme (UNDP) sebesar 88% yang mengindikasikan bahwa penggunaan
feature selection mempengaruhi performa dari proses clustering.
Kata kunci : Pembangunan, Clustering, Feature Selection, K-medoids, Fuzzy C-means
1244 F 2023 | 1244 F 2023 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain