Pengelompokan Wilayah Berdasarkan Penyandang Masalah Kesejahteraan Sosial (PMKS) dengan Optimasi Algoritme K-Means menggunakan Self Organizing Map (SOM)
| Main Author: | Hidayatin, Iskarimah |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/171972/ |
Daftar Isi:
- Penyandang Masalah Kesejahteraan Sosial (PMKS) merupakan masyarakat, keluarga, kelompok atau seseorang yang tidak bisa melakukan fungsi secara sosial dikarenakan terdapat suatu kesulitan secara rohani, jasmani, atau sosial. Pengelompokkan daerah berdasar PMKS sangat penting dilakukan untuk memberikan gambaran masalah PMKS dengan tujuan kebijakan yang diambil tepat sasaran. Algoritme Self Organizing Map (SOM) untuk penentuan jumlah cluster dan centroid awal sedangkan algoritme K-Means untuk penentuan hasil akhir cluster. Alur penenlitian yaitu data dilakukan normalisasi lalu proses SOM kemudian ke K-Means selanjutnya dilakukan pengujian dan analisis. Pengujian parameter SOM menggunakan silhouette coefficient diperoleh parameter yang terbaik adalah nilai learning rate sebesar 0.2, beta sebesar 0.8, r (ketetanggaan) sebesar 0, jumlah cluster sebesar 2, dan epoch sebesar 50. Optimasi algoritme K-Means menggunakan SOM lebih baik daripada algoritme K-Means berdasarkan pada nilai silhouette coefficient. Nilai silhouette coefficient pada SOM yaitu 0.21882702 sedangkan K-Means memiliki nilai sebesar 0.201911102. Analisis hasil yang didapatkan Optimasi algoritme K-Means dengan SOM yaitu cluster 1 dengan jumlah 26 Kabupaten/Kota dengan memiliki kesamaan dalam variabel Pekerja Migran Bermasalah Sosial, Keluarga bermasalah sosial psikologis, dan Anak yang menjadi korban tindak kekerasan/yang diperlakukan salah memiliki nilai rata-rata yang tinggi dan cluster 0 dengan jumlah 12 Kabupaten/Kota dengan kesamaan dalam variabel selain cluster 1.