Mustafidah, Rohmah (2017) Pengelompokan Kabupaten/Kota di Provinsi Jawa Tengah Berdasarkan Indikator Kemiskinan dengan C-means dan Fuzzy C-means Clustering. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1315105028-Undergraduate_Theses.pdf - Published Version Download (3MB) | Preview |
Abstract
Kemiskinan di Indonesia merupakan salah satu persoalan yang menjadi pusat perhatian pemerintah. Data menunjukkan jumlah penduduk miskin pada September 2016 paling banyak berada di Pulau Jawa yakni sebesar 14,38 juta orang atau 53%. Penelitian ini ingin melakukan pengelompokan 35 kabupaten/kota di Provinsi Jawa Tengah berdasarkan indikator kemiskinan pada tahun 2015. Metode yang digunakan adalah c-means dan fuzzy c-means clustering. Data yang digunakan yakni hasil Survey Sosial Ekonomi Nasional (SUSENAS). Hasil dari pengelompokan terbaik dengan menggunakan 3 variabel yang saling independen pada metode fuzzy c-means adalah 5 cluster. Sedangkan untuk 9 dan 8 variabel yang saling dependen didapatkan metode terbaik fuzzy c-means dengan cluster optimum adalah 4 cluster. Perbedaan karakteristik hasil pengelompokan untuk 3 variabel adalah pada pengeluaran rata-rata perkapita komoditi makanan. Berdasarkan hasil penelitian ini maka disimpulkan bahwa hendaknya melakukan analisis cluster dengan variabel yang saling independen. Karakteristik pada kelompok 1 adalah tingginya sumber penerangan, kelompok 2 baiknya jenis atap yang digunakan, kelompok 3 rendahnya sumber penerangan dan jenis atap, kelompok 4 rendahnya pengeluaran rata-rata perkapita komoditi makanan, dan kelompok 5 tingginya pengeluaran rata-rata komoditi makanan.
==================================================================
The poverty in Indonesia is one of serious problems that becomes the center of attention for the goverment. The data shows the total of poor people in September 2016 mostly live in Java island with 14,38 million of poor people or 53%. This research wanted to do a classification of 35 districts / cities in Central Java province based on the indicators of poverty in 2015. The method used for this research are c-means and fuzzy c-means clustering, while the data used is the result of National Economy and Social Survey / Survey Sosial Ekonomi Nasional (SUSENAS). The best results of classification by using three variables are mutually independent on fuzzy c-means is 5 clusters, while the best method of fuzzy c-means with cluster optimum for 9 and 8 variables is 4 clusters. The character difference for 3 variables is on cost per capita for food commodity. Based on these results, we conclude that it should perform cluster analysis with variables are mutually independent. The characteristics of the group 1 is the high illumination source, group 2 the good type of roof is used, a group of 3 low illumination source and type of roof, a group of 4 lower average spending per capita food commodities, and group 5 higher average spending of food commodities.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Cluster, independen, indikator kemiskinan, karakteristik. |
| Subjects: | H Social Sciences > HA Statistics Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics) |
| Divisions: | Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Rohmah Mustafidah . |
| Date Deposited: | 15 Jan 2018 07:13 |
| Last Modified: | 05 Mar 2019 04:03 |
| URI: | http://repository.its.ac.id/id/eprint/48528 |
Actions (login required)
 |
View Item |