Zafira, Marchelia and Darmanto, S.Si., M.Si. (2024) Analisis Klaster dengan Algoritma Fuzzy Cmeans dan Fuzzy Gustafson-kessel pada Provinsi Di Indonesia Berdasarkan Indikator Indeks Pembangunan Manusia. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis klaster merupakan metode multivariat yang bertujuan untuk mengklasterkan objek berdasarkan karakteristik yang dimiliki. Algoritma yang digunakan pada penelitian adalah Fuzzy C-Means dan Fuzzy Gustafson-Kessel. Penelitian ini bertujuan untuk mendapatkan klaster dengan algoritma Fuzzy C-Means dan Fuzzy Gustafson-Kessel serta mengetahui algoritma terbaik pada pengklasteran provinsi di Indonesia berdasarkan indikator indeks pembangunan manusia (IPM) tahun 2022. Indikator IPM terdiri dari umur harapan hidup, rata-rata lama sekolah, harapan lama sekolah, dan pengeluaran per kapita yang disesuaikan. Data yang digunakan merupakan data sekunder yang diperoleh dari website BPS. Hasil penelitian menunjukkan bahwa banyak klaster optimal algoritma Fuzzy C-Means adalah 5 klaster dengan klaster 1 terdiri dari 5 provinsi yang merupakan indikator IPM sangat rendah, klaster 2 terdiri dari 8 provinsi yang merupakan indikator IPM rendah, klaster 3 terdiri dari 7 provinsi yang merupakan indikator IPM sedang, klaster 4 terdiri dari 9 provinsi yang merupakan indikator IPM tinggi, dan klaster 5 terdiri dari 5 provinsi yang merupakan indikator IPM sangat tinggi sedangkan banyak klaster optimal algoritma Fuzzy Gustafson-Kessel adalah 3 klaster dengan klaster 1 terdiri dari 10 provinsi, klaster 2 terdiri dari 12 provinsi, dan klaster 3 terdiri dari 12 provinsi. Berdasarkan rasio simpangan baku diperoleh bahwa algoritma terbaik adalah Fuzzy C-Means karena memiliki rasio simpangan baku terkecil.
English Abstract
Cluster analysis is a multivariate method that aims to cluster objects based on their characteristics. The algorithms used in this research are Fuzzy C-Means and Fuzzy Gustafson-Kessel. This research aims to obtain clusters with Fuzzy C-Means and Fuzzy Gustafson-Kessel algorithms and determine the best algorithm for clustering provinces in Indonesia based on human development indeks (HDI) indicators in 2022. HDI indicators consist of life expectancy, mean years of schooling, expected years of schooling, and adjusted per capita expenditure. The data used is secondary data obtained from the BPS website. The results show that the optimal number of clusters for Fuzzy C-Means algorithm is 5 clusters with cluster 1 consists of 5 provinces with very low HDI indicators, cluster 2 consists of 8 provinces with low HDI indicators, cluster 3 consists of 7 provinces with moderate HDI indicators, cluster 4 consists of 9 provinces with high HDI indicators, and cluster 5 consists of 5 provinces with very high HDI indicators while the optimal number of clusters for Fuzzy Gustafson-Kessel algorithm is 3 clusters with cluster 1 consists of 10 provinces, cluster 2 consists of 12 provinces, and cluster 3 consists of 12 provinces. Based on the standard deviation ratio, the best algorithm is Fuzzy C-Means because it has the smallest standard deviation ratio.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | 052409 |
Uncontrolled Keywords: | Analisis Klaster, Indikator Pembangunan Manusia (IPM), Fuzzy C-Means, Fuzzy Gustafson-Kessel |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
Depositing User: | Unnamed user with username nova |
Date Deposited: | 09 Aug 2024 05:49 |
Last Modified: | 09 Aug 2024 05:49 |
URI: | http://repository.ub.ac.id/id/eprint/222768 |
![]() |
Text (DALAM MASA EMBARGO)
Marchelia Zafira.pdf Restricted to Registered users only Download (3MB) |
Actions (login required)
![]() |
View Item |