ANALISIS CLUSTERING KABUPATEN/KOTA DI WILAYAH SUMATRA BERDASARKAN PERSENTASE KEMISKINAN DENGAN METODE K-MEDOIDS

OKTAMELISA, VIOLA and Sigit, Nugroho and Etis, Sunandi (2025) ANALISIS CLUSTERING KABUPATEN/KOTA DI WILAYAH SUMATRA BERDASARKAN PERSENTASE KEMISKINAN DENGAN METODE K-MEDOIDS. Other thesis, Universitas Bengkulu.

[thumbnail of Thesis] Archive (Thesis)
Viola Oktamelisa - F1F018030.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (2MB)

Abstract

Clustering adalah metode pengelompokkan data yang diterapkan untuk
mengenali kelompok yang terbentuk melalui penggabungan elemen-elemen yang
memiliki karakteristik yang sama. Salah satu metode clustering yang dapat
digunakan yaitu metode K-Medoids yang dikenal dengan Partitioning Around
Medoids (PAM). Penelitian ini bertujuan untuk memperoleh pengelompokan serta
mengetahui karakteristik hasil pengelompokan kabupaten/kota di Wilayah Sumatra
berdasarkan persentase kemiskinan menggunakan metode cluster K-medoids. Data
yang digunakan adalah data kemiskinan per kabupaten/kota dengan jumlah 154
yang ada di Wilayah Sumatra dengan variabel yang digunakan yaitu, variabel
harapan lama sekolah, rata-rata lama sekolah, tingkat pengangguran terbuka, dan
persentase penduduk miskin. Hasil yang diperoleh pada penelitian ini adalah
kabupaten/kota di Wilayah Sumatra memiliki 2 cluster optimum yang dilihat dari
nilai silhouette index dan nilai davies-bouldin index. Cluster 1 mencerminkan
wilayah dengan tingkat kemiskinan yang cukup tinggi, dengan memiliki rataan nilai
harapan lama sekolah sebesar 13,78 tahun, rata-rata lama sekolah sebesar 8,65
tahun, tingkat pengangguran terbuka sebesar 3,67%, dan persentase penduduk
miskin sebesar 14,76%. Cluster 2 mencerminkan wilayah dengan tingkat
kemiskinan sedang dengan memiliki rataan nilai harapan lama sekolah sebesar
13,36 tahun, rata-rata lama sekolah sebesar 8,58 tahun, tingkat pengangguran
terbuka sebesar 4,75 %, dan Persentase Penduduk Miskin sebesar 7,34 %.
Kata kunci: Kemiskinan, Clustering, K-Medoids, Partitioning Around Medoids
(PAM).

Item Type: Thesis (Other)
Subjects: Q Science > QA Mathematics
Divisions: Faculty of Math & Natural Science > Department of Statistics
Depositing User: Oka Ariani S.IPust
Date Deposited: 25 Sep 2025 02:59
Last Modified: 25 Sep 2025 02:59
URI: https://repository.unib.ac.id/id/eprint/26205

Actions (login required)

View Item
View Item

slot gacor terbaik

slot gacor terpercaya

Situs Resmi Bisawd

slot gacor 4d

Slot Terpercaya

Slot Gacor bet 200