Penerapan Metode Density-Based Spatial Clustering And Application With Noise (Dbscan) Untuk Mengelompokkan Kabupaten/Kota Di Provinsi Jawa Timur Berdasarkan Indikator Indeks Pembangunan Manusia.

Puspitasari, Stefany Paulina and Dr. Suci Astutik, S.Si., M.Si (2022) Penerapan Metode Density-Based Spatial Clustering And Application With Noise (Dbscan) Untuk Mengelompokkan Kabupaten/Kota Di Provinsi Jawa Timur Berdasarkan Indikator Indeks Pembangunan Manusia. Sarjana thesis, Universitas Brawijaya.

Abstract

Analisis cluster merupakan suatu teknik multivariat dalam analisis statistik yang bertujuan untuk mengelompokkan objek menjadi kelompok-kelompok yang lebih kecil dimana setiap kelompok berisi objek yang mirip satu sama lain. Salah satu metode yang dapat digunakan yaitu Density-Based Spatial Clustering and Application with Noise (DBSCAN). Metode ini cukup baik digunakan untuk mengelompokan data berdasarkan kepadatan (density) yang terkoneksi dan didesain untuk menemukan noise atau outlier pada data. Berkaitan dengan pengelompokan suatu data, metode DBSCAN dapat digunakan untuk mengelompokkan suatu wilayah berdasarkan indikator Indeks Pembangunan Manusia (IPM). Pandemi Covid-19 yang terjadi di seluruh Indonesia tak terkecuali Provinsi Jawa Timur memberikan dampak negatif pada indikator-indikator IPM seperti pengeluaran per kapita per tahun yang disesuaikan, usia harapan hidup, harapan lama sekolah, dan rata-rata lama sekolah. Wilayah Provinsi Jawa Timur yang terbagi menjadi 38 kabupaten/kota dengan kondisi geografis yang berbeda akan menimbulkan kesulitan dalam mengimplementasikan berbagai program yang berkaitan dengan peningkatan pembangunan manusia. Dari 38 kabupaten/kota di Provinsi Jawa Timur dengan nilai epsilon sebesar 0,85 dan MinPts sebesar 5 diperoleh cluster sebanyak 2 dan noise sebanyak 12 kabupaten/kota dengan silhouette coefficient sebesar 0,2 dimana cluster 1 terdiri dari 21 kabupaten/kota, sedangkan cluster 2 terdiri dari 5 kabupaten/kota.

English Abstract

Cluster analysis is a multivariate statistical technique for grouping objeks into smaller group, where each group contains objects that are similar to one another. Density-Based Spatial Clustering and Application with Noise (DBSCAN) is one of the methods that can be used. This method is particularly useful for grouping objects based on the density that is connected to it, and it is also useful for detecting noise or outliers in data. Regarding the grouping of data, the DBSCAN method can be used to group an area based on the indicators of Human Development Index (HDI). The Covid-19 pandemic that occurred throughout Indonesia, including East Java Province, had a negative impact on HDI indicators such as adjusted per capita expenditure, life expectancy, expected length of schooling, and average length of schooling. The East Java Province which is divided into 38 districts/cities with different geographical conditions will create difficulties in implementing various programs related to improving human development. From 38 districts/cities in East Java Province with an epsilon value of 0,85 and a MinPts of 5 obtained 2 clusters and noise as many as 12 districts/cities with a silhouette coefficient of 0,2 where cluster 1 consists of 21 districts/cities, while cluster 2 consists of 5 districts/cities.

Item Type:	Thesis (Sarjana)
Identification Number:	0522090018
Uncontrolled Keywords:	Analisis Cluster, DBSCAN, Indeks Pembangunan Manusia, Jawa Timur, Cluster Analysis, DBSCAN, Human Development Index, East Java.
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 03:37
Last Modified:	30 Sep 2022 03:37
URI:	http://repository.ub.ac.id/id/eprint/195222

Text (DALAM MASA EMBARGO) Stefany Paulina P.pdf Restricted to Registered users only until 31 December 2024. Download (2MB)

Actions (login required)

View Item