Implementasi Algoritma Clustering Fuzzy C-Means Untuk Analisis Data Kemiskinan
| Main Author: | Astuti, Femi Dwi |
|---|---|
| Format: | Lainnya NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
STMIK AKAKOM Yogyakarta
|
| Subjects: | |
| Online Access: |
https://eprints.utdi.ac.id/6952/1/ABSTRAK.pdf https://eprints.utdi.ac.id/6952/2/BAB%201.pdf https://eprints.utdi.ac.id/6952/3/BAB%202.pdf https://eprints.utdi.ac.id/6952/4/BAB%203.pdf https://eprints.utdi.ac.id/6952/5/BAB%204.pdf https://eprints.utdi.ac.id/6952/6/BAB%205.pdf https://eprints.utdi.ac.id/6952/7/BAB%206.pdf https://eprints.utdi.ac.id/6952/8/DAFTAR%20PUSTAKA.pdf https://eprints.utdi.ac.id/6952/9/DRAFF%20PUBLIKASI.pdf https://eprints.utdi.ac.id/6952/ |
Daftar Isi:
- ABSTRAK Sumber data dari BPS menunjukkan bahwa Jumlah penduduk miskin di provinsi Daerah Istimewa Yogyakarta tergolong tinggi, sejumlah 532.590 penduduk dengan prosentase kemiskinan 14,55%. Berdasarkan angka tersebut terlihat masih tingginya angka kemiskinan yang ada di wilayah Yogyakarta secara umum. Berdasarkan kondisi tersebut perlu dibangun sistem klastering untuk membantu BKKBN dalam pengelompokan keluarga miskin sehingga bantuan dapat tersalurkan dengan tepat. Penelitian ini menggunakan metode Fuzzy C-Means dalam klastering penduduk miskin. Hasil perhitungan menunjukkan, dari 100 sample data penduduk miskin di Kecamatan Bantul, dengan jumlah klaster sebanyak 3, maksimal iterasi 100, pembobot 2 dan error terkecil 0,000001, diperoleh 27 penduduk masuk sebagai anggota klaster 1, 42 penduduk berada diklaster 2 dan 31 penduduk di klaster 3. Jumlah iterasi yang diperlukan sebanyak 48 kali. Kata Kunci : Clustering, Fuzzy C-Means, Kemiskinan