Firdaus, Najunda Zukhrufiah Syahdu and Dr. Eni Sumarminingsih, S.Si., MM. (2021) Analisis Biplot Untuk Memetakan Karakteristik Hasil Analisis Hybrid Hierarchical Clustering Via Mutual Cluster. Sarjana thesis, Universitas Brawijaya.
Abstract
Laju persentase penduduk miskin di Jawa Timur menunjukkan penurunan sejak Maret 2018 hingga September 2019, kemudian meningkat pada Maret 2020 akibat munculnya pandemi Covid-19. Analisis hybrid hierarchical clustering via mutual cluster digunakan untuk mengelompokkan kabupaten/kota di Jawa Timur berdasarkan indikator kemiskinan. Untuk menggali informasi mengenai karakteristik setiap klaster, digunakan analisis biplot. Data yang digunakan adalah data sekunder indikator kemiskinan kabupaten/kota di Jawa Timur tahun 2020 yang diperoleh dari Badan Pusat Statistik Jawa Timur. Kemiripan antar kabupaten/kota diukur menggunakan jarak Mahalanobis dan untuk membentuk mutual cluster digunakan metode average linkage. Hasil dari penelitian adalah Jawa Timur dibagi ke dalam 5 klaster optimal dengan validitas rata-rata silhouette sebesar 0.18. Pada analisis biplot, proporsi keragaman kumulatif yang dihasilkan sebesar 68.5%. Kabupaten/kota di klaster 1 cenderung memiliki karakteristik kemiskinan dengan sumber air minum yang tidak layak dan bahan bakar memasak yang kurang berkembang. Kabupaten/kota di klaster 2 dan 3 memiliki karakteristik kemiskinan multidimensi yang mirip, di mana aspek yang lebih menonjol adalah bahan bakar memasak yang kurang berkembang dan kurangnya penguasaan teknologi. Kabupaten/kota di klaster 4 cenderung memiliki karakteristik kemiskinan multidimensi dengan sanitasi yang tidak layak dan kurangnya penguasaan teknologi. Kabupaten/kota di klaster 5 cenderung memiliki karakteristik kemiskinan multidimensi dengan aspek yang menonjol adalah luas bangunan tempat tinggal < 20m
English Abstract
The percentage rate of poor people in East Java showed a decline from March 2018 to September 2019, then increased in March 2020 due to the emergence of the Covid-19 pandemic. Hybrid hierarchical clustering analysis via mutual cluster is used to group districts/cities in East Java based on poverty indicators. To obtain information about the characteristics of each cluster, biplot analysis was used. The data used is secondary data on district/city poverty indicators in East Java in 2020 obtained from the Central Statistics Agency for East Java (BPS Jawa Timur). Similarities between districts/cities were measured using the Mahalanobis distance and to form a mutual cluster used the average linkage method. The result of the research is that East Java is divided into 5 optimal clusters with an average silhouette validity of 0.18. In the biplot analysis, the proportion of cumulative variance produced is 68.5%. Districts/cities in cluster 1 tend to have poverty characteristics with inadequate drinking water sources and underdeveloped cooking fuels. Districts/cities in clusters 2 and 3 have similar characteristics of multidimensional poverty, where the more prominent aspects are underdeveloped cooking fuels and lack of mastery of technology. Districts/cities in cluster 4 tend to have the characteristics of multidimensional poverty with inadequate sanitation and lack of mastery of technology. Districts/cities in cluster 5 tend to have multidimensional poverty characteristics with a prominent aspect being the residential building area < 20m2
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | 0521090051 |
Uncontrolled Keywords: | Biplot, Hybrid Hierarchical Clustering, Kemiskinan, Mahalanobis, Mutual Cluster,Biplot, Hybrid Hierarchical Clustering, Poverty, Mahalanobis, Mutual Cluster |
Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
Depositing User: | Zainul Mustofa |
Date Deposited: | 20 May 2022 07:49 |
Last Modified: | 26 Sep 2024 06:52 |
URI: | http://repository.ub.ac.id/id/eprint/190686 |
Text
Najunda Zukhrufiah Syahdu Firdaus.pdf Download (4MB) |
Actions (login required)
View Item |