Febriana, Monica Ade and Dr. Suci Astutik, S.Si., M.Si (2022) Analisis Cluster Dengan Model-Based Clustering Dalam Pengelompokan Kabupaten/Kota Di Jawa Timur Berdasarkan Indikator Kemiskinan 2020. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis cluster merupakan teknik multivariat yang bertujuan untuk mengelompokkan objek-objek berdasarkan kemiripan karakteristik yang dimiliki. Kemiskinan merupakan kondisi kekurangan atau ketidakmampuan untuk memenuhi kebutuhan hidup seperti makanan, pakaian, tempat tinggal, pendidikan, dan kesehatan. Pada penelitian ini ingin dilakukan pengelompokan kabupaten/kota di Jawa Timur berdasarkan indikator kemiskinan tahun 2020. Tujuan penelitian ini adalah untuk mengetahui karakteristik setiap kelompok yang akan terbentuk, sehingga pemerintah dapat menentukan kebijakan yang tepat untuk setiap kelompok. Metode cluster yang digunakan adalah model- based clustering. Data indikator kemiskinan kabupaten/kota di Jawa Timur tahun 2020 tidak berdistribusi normal multivariat, sehingga analisis cluster yang digunakan adalah non-gaussian model-based clustering yaitu t multivariat. Penentuan model dan banyaknya cluster menggunakan nilai Integrated Completed Likelihood (ICL) terbesar. Pada penelitian ini menghasilkan 2 cluster yang memiliki karakteristik berbeda. Cluster 1 terdiri dari 20 kabupaten/kota merupakan cluster dengan tingkat kemiskinan rendah karena hanya terdapat 3 dari 8 indikator kemiskinan yang memiliki nilai persentase tinggi. Cluster 2 terdiri dari 18 kabupaten/kota merupakan cluster dengan tingkat kemiskinan cukup tinggi karena terdapat 5 dari 8 indikator kemiskinan yang memiliki nilai persentase tinggi.
English Abstract
Cluster analysis is a multivariate technique which aims to grouping objects based on their similar characteristics. Poverty is a condition of a person who lacks or is not able to provide the necessities of life includes food, clothing, home, education, and health care. In this study, the regencies/city will be grouped based on the 2020 poverty indicators. The purpose of this study is to know the characteristics of each group that will form, so that governments can decide the right policy for each group. The cluster method used is model-based clustering. The data of the regencies/city poverty indicators in east java in 2000 is not of normal multivariate distribution, so the cluster analysis used is a non- gaussian model-based clustering is multivariate t. The largest Integrated Completed Likelihood (ICL) value is used to determine models name and number of cluster. In this study, two clusters are formed that have different characteristics. Cluster 1 consists of 20 regencies/cities is a cluster with low poverty level because there are only 3 out of the 8 indicators of poverty that have a high percentage value. Cluster 2 consists of 18 regencies/cities is a cluster with high poverty level because there are 5 out of the 8 indicators of poverty that have a high percentage value.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0522090016 |
| Uncontrolled Keywords: | Analisis Cluster, Integrated Completed Likelihood (ICL), Kemiskinan, Model-Based Clustering, Cluster Analysis, Integrated Completed Likelihood (ICL), Model-Based Clustering, Poverty. |
| 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: | 30 Sep 2022 02:32 |
| Last Modified: | 30 Sep 2022 02:32 |
| URI: | http://repository.ub.ac.id/id/eprint/195206 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Monica Ade Febriana.pdf Restricted to Registered users only until 31 December 2024. Download (3MB) |
Actions (login required)
 |
View Item |