Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer

Angka kemiskinan di Provinsi Banten tergolong rendah di tingkat nasional. Hal ini dibuktikan dengan persentase penduduk miskin Banten pada September 2019 sebesar 4,94% berada di bawah rata-rata nasional pada periode yang sama sebesar 9,22%. Penelitian ini memanfaatkan teknik data mining dengan mengg...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Yunita Ratna Sari, Arby Sudewa, Diah Ayu Lestari, Tri Ika Jaya
Formato:	article
Lenguaje:	ID
Publicado:	Universitas Negeri Medan 2020
Materias:	data mining kemiskinan clustering k-means Electronic computers. Computer science QA75.5-76.95
Acceso en línea:	https://doaj.org/article/2bbc1d3d79144465bdcc74c59d9760ce
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:2bbc1d3d79144465bdcc74c59d9760ce
record_format	dspace
spelling	oai:doaj.org-article:2bbc1d3d79144465bdcc74c59d9760ce2021-11-27T05:26:26ZPenerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer2502-71312502-714X10.24114/cess.v5i2.18519https://doaj.org/article/2bbc1d3d79144465bdcc74c59d9760ce2020-07-01T00:00:00Zhttps://jurnal.unimed.ac.id/2012/index.php/cess/article/view/18519https://doaj.org/toc/2502-7131https://doaj.org/toc/2502-714XAngka kemiskinan di Provinsi Banten tergolong rendah di tingkat nasional. Hal ini dibuktikan dengan persentase penduduk miskin Banten pada September 2019 sebesar 4,94% berada di bawah rata-rata nasional pada periode yang sama sebesar 9,22%. Penelitian ini memanfaatkan teknik data mining dengan menggunakan metode K-Means Clustering. Data penelitian ini diambil dari situs Badan Pusat Statistik (BPS) dari tahun 2015-2019 yang terdiri dari 8 Kabupaten/Kota dengan 3 variabel. Variabel yang digunakan adalah jumlah penduduk miskin (ribu jiwa), rata-rata lama pendidikan sekolah (tahun), dan pengeluaran per kapita yang disesuaikan (ribu rupiah/tahun). Semua data tersebut kemudian diolah dengan Rapidminer dan dilakukan 3 cluster, yaitu: tingkat cluster sedang (C0), tingkat cluster tinggi (C1), dan tingkat cluster rendah (C2). Hasil dari perhitungan rapidminer menunjukkan Kabupaten Tangerang, Kota Cilegon, dan Kota Serang masuk sebagai anggota cluster 0, Kabupaten Pandeglang, Kabupaten Lebak, dan Kabupaten Serang berada pada cluster 1, Kota Tangerang, dan Kota Tangerang Selatan berada di cluster 2.Yunita Ratna SariArby SudewaDiah Ayu LestariTri Ika JayaUniversitas Negeri Medanarticledata miningkemiskinanclusteringk-meansElectronic computers. Computer scienceQA75.5-76.95IDCESS (Journal of Computer Engineering, System and Science), Vol 5, Iss 2, Pp 192-198 (2020)
institution	DOAJ
collection	DOAJ
language	ID
topic	data mining kemiskinan clustering k-means Electronic computers. Computer science QA75.5-76.95
spellingShingle	data mining kemiskinan clustering k-means Electronic computers. Computer science QA75.5-76.95 Yunita Ratna Sari Arby Sudewa Diah Ayu Lestari Tri Ika Jaya Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer
description	Angka kemiskinan di Provinsi Banten tergolong rendah di tingkat nasional. Hal ini dibuktikan dengan persentase penduduk miskin Banten pada September 2019 sebesar 4,94% berada di bawah rata-rata nasional pada periode yang sama sebesar 9,22%. Penelitian ini memanfaatkan teknik data mining dengan menggunakan metode K-Means Clustering. Data penelitian ini diambil dari situs Badan Pusat Statistik (BPS) dari tahun 2015-2019 yang terdiri dari 8 Kabupaten/Kota dengan 3 variabel. Variabel yang digunakan adalah jumlah penduduk miskin (ribu jiwa), rata-rata lama pendidikan sekolah (tahun), dan pengeluaran per kapita yang disesuaikan (ribu rupiah/tahun). Semua data tersebut kemudian diolah dengan Rapidminer dan dilakukan 3 cluster, yaitu: tingkat cluster sedang (C0), tingkat cluster tinggi (C1), dan tingkat cluster rendah (C2). Hasil dari perhitungan rapidminer menunjukkan Kabupaten Tangerang, Kota Cilegon, dan Kota Serang masuk sebagai anggota cluster 0, Kabupaten Pandeglang, Kabupaten Lebak, dan Kabupaten Serang berada pada cluster 1, Kota Tangerang, dan Kota Tangerang Selatan berada di cluster 2.
format	article
author	Yunita Ratna Sari Arby Sudewa Diah Ayu Lestari Tri Ika Jaya
author_facet	Yunita Ratna Sari Arby Sudewa Diah Ayu Lestari Tri Ika Jaya
author_sort	Yunita Ratna Sari
title	Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer
title_short	Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer
title_full	Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer
title_fullStr	Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer
title_full_unstemmed	Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer
title_sort	penerapan algoritma k-means untuk clustering data kemiskinan provinsi banten menggunakan rapidminer
publisher	Universitas Negeri Medan
publishDate	2020
url	https://doaj.org/article/2bbc1d3d79144465bdcc74c59d9760ce
work_keys_str_mv	AT yunitaratnasari penerapanalgoritmakmeansuntukclusteringdatakemiskinanprovinsibantenmenggunakanrapidminer AT arbysudewa penerapanalgoritmakmeansuntukclusteringdatakemiskinanprovinsibantenmenggunakanrapidminer AT diahayulestari penerapanalgoritmakmeansuntukclusteringdatakemiskinanprovinsibantenmenggunakanrapidminer AT triikajaya penerapanalgoritmakmeansuntukclusteringdatakemiskinanprovinsibantenmenggunakanrapidminer
_version_	1718409219666870272

Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer

Ejemplares similares