PERBANDINGAN K-MEANS CLUSTER DENGAN DENSITY-BASED SPATIAL CLUSTERING OF APPLICATION WITH NOISE PADA DATA INDIKATOR KEMISKINAN PROVINSI SULAWESI SELATAN


Rasyid, Sapriadi (2023) PERBANDINGAN K-MEANS CLUSTER DENGAN DENSITY-BASED SPATIAL CLUSTERING OF APPLICATION WITH NOISE PADA DATA INDIKATOR KEMISKINAN PROVINSI SULAWESI SELATAN. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of H051191003_skripsi_15-12-2023 cover1.png]
Preview
Image
H051191003_skripsi_15-12-2023 cover1.png

Download (184kB) | Preview
[thumbnail of H051191003_skripsi_15-12-2023 1-2.pdf] Text
H051191003_skripsi_15-12-2023 1-2.pdf

Download (2MB)
[thumbnail of H051191003_skripsi_15-12-2023 dp.pdf] Text
H051191003_skripsi_15-12-2023 dp.pdf

Download (327kB)
[thumbnail of H051191003_skripsi_15-12-2023.pdf] Text
H051191003_skripsi_15-12-2023.pdf
Restricted to Repository staff only

Download (2MB)

Abstract (Abstrak)

Program penanggulangan kemiskinan telah dilakukan pemerintah seperti adanya program pemberian bantuan masyarakat miskin. Namun, jumlah penduduk miskin di Sulawesi Selatan masih meningkat. Oleh karena itu, diperlukan metode statistik untuk mengelompokkan masyarakat miskin berdasarkan indikator kemiskinan setiap wilayah sebagai acuan dalam memberikan bantuan. Metode statistik yang tepat yaitu analisis cluster dengan meminimalkan perbedaan objek dalam satu cluster serta memaksimalkan perbedaan objek antar cluster. Penelitian ini menggunakan dua metode yaitu K-Means dan Density-Based Spatial Clustering of Application with Noise (DBSCAN). Hal ini bertujuan untuk membandingkan metode K-Means dengan DBSCAN berdasarkan Silhouette Coefficient. Data yang digunakan dalam penelitian ini terdiri dari delapan indikator kemiskinan Provinsi Sulawesi Selatan tahun 2022. Hasil analisis menggunakan K-Means memperoleh dua cluster optimal, cluster 1 terdiri dari 23 kabupaten dan kota, sedangkan cluster 2 hanya Kota Makassar. Sedangkan, hasil analisis lanjut pada cluster 1 menghasilkan delapan cluster baru dengan Silhouette Coefficient sebesar 0,507. Berbeda dengan menggunakan metode DBSCAN menghasilkan satu cluster yang terdiri dari 23 kabupaten dan kota, sedangkan Kota Makassar terdeteksi sebagai noise. Sedangkan, hasil analisis lanjut pada cluster tersebut terdiri dari satu cluster dengan tiga noise dan menghasilkan Silhouette Coefficient sebesar 0,318. Dengan demikan, berdasarkan Silhouette Coefficient dapat disimpulkan bahwa K-Means memiliki hasil pengelompokkan yang lebih baik pada data indikator kemiskinan Provinsi Sulawesi Selatan.

Item Type: Thesis (Skripsi)
Subjects: Q Science > Q Science (General)
Divisions (Program Studi): Fakultas Matematika dan Ilmu Peng. Alam > Statistika
Depositing User: Nasyir Nompo
Date Deposited: 03 Jun 2025 02:15
Last Modified: 03 Jun 2025 02:15
URI: http://repository.unhas.ac.id:443/id/eprint/45102

Actions (login required)

View Item
View Item