PENGELOMPOKKAN DAN PEMETAAN KARAKTERISTIK KEMISKINAN DI KABUPATEN MALUKU BARAT DAYA PROVINSI MALUKU DENGAN MENGGUNAKAN SELF-ORGANIZING MAP DAN ANALISIS BIPLOT
| Main Authors: | Leleury, Zeth Arthur, Tomasouw, Berny Pebo |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
MATHEMATIC DEPARTMENT, FACULTY OF MATHEMATICS AND NATURAL SCIENCES, UNIVERSITY OF PATTIMURA
, 2019
|
| Online Access: |
https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/810 https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/810/979 https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/810/993 |
Daftar Isi:
- Berdasarkan hasil survei sosial ekonomi nasional (SUSENAS) BPS Provinsi Maluku menunjukkan bahwa kabupaten Maluku Barat Daya (MBD) merupakan kabupaten yang memiliki persentase tingkat kemiskinan tertinggi di provinsi Maluku dengan persentase tingkat kemiskinan 30,18 persen. Penelitian ini bertujuan untuk melakukan pengelompokkan desa/kecamatan di Kabupaten MDB guna melihat karakteristik kemiskinan pada setiap cluster. Selain itu, juga dilakukan pemetaan karakteristik kemiskinan untuk setiap desa/kecamatan di Kabupaten MBD sebagai upaya untuk mengetahui keragaman karakteristik kemiskinan. Metode pengelompokkan yang digunakan adalah algoritma jaringan syaraf tiruan Self Organizing Map (SOM) dan Biplot. Hasil penelitian memperlihatkan bahwa hasil pengelompokkan terbaik adalah dengan metode Biplot karena memiliki rasio yang lebih kecil. Adapun hasil pengelompokkan 17 kecamatan di kabupaten MBD terbagi dalam 4 cluster yakni cluster 1 terdiri kecamatan Pulau-Pulau Terselatan, Letti dan Moa; cluster 2 terdiri dari kecamatan Pulau-Pulau Babar dan Babar Timur; cluster 3 terdiri dari kecamatan Pulau Masela, Mdona Hyera, Kepulauan Romang, Damer, Wetar, dan Wetar Barat; sedangkan cluster 4 terdiri dari kecamatan Wetar Utara, Wetar Timur, Kisar Utara, Lakor, Dawelor Dawera dan Pulau Wetang. Ada 11 faktor yang mempengaruhi sehingga cluster 4 tergolong dalam cluster dengan karakteristik kemiskinan tertinggi. Sedangkan ada 4 faktor yang mempengaruhi sehingga cluster 3 tergolong dalam cluster dengan karakteristik kemiskinan cukup tinggi.