Hidayatin, Iskarimah (2019) Pengelompokan Wilayah Berdasarkan Penyandang Masalah Kesejahteraan Sosial (PMKS) dengan Optimasi Algoritme K-Means menggunakan Self Organizing Map (SOM). Sarjana thesis, Universitas Brawijaya.
Abstract
Penyandang Masalah Kesejahteraan Sosial (PMKS) merupakan masyarakat, keluarga, kelompok atau seseorang yang tidak bisa melakukan fungsi secara sosial dikarenakan terdapat suatu kesulitan secara rohani, jasmani, atau sosial. Pengelompokkan daerah berdasar PMKS sangat penting dilakukan untuk memberikan gambaran masalah PMKS dengan tujuan kebijakan yang diambil tepat sasaran. Algoritme Self Organizing Map (SOM) untuk penentuan jumlah cluster dan centroid awal sedangkan algoritme K-Means untuk penentuan hasil akhir cluster. Alur penenlitian yaitu data dilakukan normalisasi lalu proses SOM kemudian ke K-Means selanjutnya dilakukan pengujian dan analisis. Pengujian parameter SOM menggunakan silhouette coefficient diperoleh parameter yang terbaik adalah nilai learning rate sebesar 0.2, beta sebesar 0.8, r (ketetanggaan) sebesar 0, jumlah cluster sebesar 2, dan epoch sebesar 50. Optimasi algoritme K-Means menggunakan SOM lebih baik daripada algoritme K-Means berdasarkan pada nilai silhouette coefficient. Nilai silhouette coefficient pada SOM yaitu 0.21882702 sedangkan K-Means memiliki nilai sebesar 0.201911102. Analisis hasil yang didapatkan Optimasi algoritme K-Means dengan SOM yaitu cluster 1 dengan jumlah 26 Kabupaten/Kota dengan memiliki kesamaan dalam variabel Pekerja Migran Bermasalah Sosial, Keluarga bermasalah sosial psikologis, dan Anak yang menjadi korban tindak kekerasan/yang diperlakukan salah memiliki nilai rata-rata yang tinggi dan cluster 0 dengan jumlah 12 Kabupaten/Kota dengan kesamaan dalam variabel selain cluster 1.
English Abstract
Persons with Sosial Welfare Problems are people, families, groups or someone who cannot function sosially because there is a spiritual, physical or sosial difficulty. Grouping regions based on PMKS is very important to do to provide an overview of PMKS problems with the policy objectives taken right on target. Self Organizing Map (SOM) algorithm for determining the number of clusters and initial centroids while the K-Means algorithm for determining the cluster end result. The research flow, that is, the data is normalized, then the SOM process then to K-Means, then testing and analysis are carried out. SOM parameter testing using silhouette coefficient obtained the best parameter is the learning rate value of 0.2, beta at 0.8, r (neighboring) of 0, the number of clusters by 2, and epoch by 50. K-Means algorithm optimization using SOM is better than algorithm K-Means based on the silhouette coefficient value. The silhouette coefficient value in SOM is 0.21882702 while K-Means has a value of 0.201911102. Analysis of the results obtained K-Means algorithm optimization with SOM is cluster 1 with a total of 26 districts / cities by having similarities in the variable Sosial Problem Migrant Workers, Families with sosial psychological problems, and children who are victims of violence / who are treated wrongly have an average value high average and cluster 0 with the number of 12 districts / cities with similarities in variables other than cluster 1.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/426/051905741 |
| Uncontrolled Keywords: | K-Means, Self Organizing Map (SOM), cluster, silhouette coefficient |
| Subjects: | 000 Computer science, information and general works > 004 Computer science > 004.2 System analysis and design, computer architecture, performance evaluation |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 30 Jul 2020 06:26 |
| Last Modified: | 30 Jul 2020 06:26 |
| URI: | http://repository.ub.ac.id/id/eprint/171972 |
Actions (login required)
 |
View Item |