Herliyasari, Ria Retna (2018) Metode Ensemble Clustering dengan Algoritma Squeezer Untuk Pengelompokan Rumah Tangga di Surabaya Berdasarkan Indikator Kesejahteraan. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1314100029_Undergraduate_Theses.pdf Download (3MB) | Preview |
Abstract
Surabaya ingin mengetahui karakteristik rumah tangga dengan tingkat pendapatan 40 persen terendah di Surabaya dengan tujuan meningkatkan kesejahteraan melalui berbagai program. Untuk men-dukung tujuan tersebut, langkah awal yang dapat dilakukan adalah pengelompokan rumah tangga berdasarkan indikator kesejahteraan. Variabel indikator kesejahteraan memiliki skala data campuran yaitu kategori dan kontinu dan memiliki dimensi yang besar. Oleh karena itu, digunakan metode pengelompokan yang dapat mengakomodasi data kategori serta memiliki performa yang baik dalam menangani data dengan dimensi besar. Salah satu metode yang dapat digunakan untuk pengelompokan data kategori dengan dimensi besar adalah algoritma squeezer. Pada penelitian ini algoritma squeezer digunakan sebagai metode clustering data kategori dan untuk data kontinu menggunakan metode k-means sehingga didapatkan cluster masing-masing. Selanjut-nya, dilakukan ensemble clustering pada hasil cluster yang terbentuk menggunakan algoritma squeezer. Hasil ensemble clustering meng-gunakan algoritma squeezer dengan pembobot menghasilkan kelompok optimum yang terbentuk adalah 5 cluster. Variabel pembeda utama kelima kelompok adalah jumlah anggota keluarga, jumlah kamar tidur, status kepemilikan bangunan, rata-rata luas lantai, fasilitas buang air besar, daya listrik terpasang PLN, dan kepemilikan aset.
==============================================================================================
Surabaya wants to know the characteristics of households with the level of income is 40 percent lowest in Surabaya with the goal of improving the prosperity status through several programs. To support that goal, the first step that could be done is by clustering the house-holds based on the prosperity indicators. The variables prosperity indicators have mixed data type, which is categorical and continuous data and have large enough dimensions. Hence, we use clustering method that could accommodate categorical data and also has a good performance in handling data with large dimensions. One of the methods that could be used for clustering categorical data with large dimensions is squeezer algorithm. In this research, squeezer algorithm is used as a clustering method for categorical data and for continuous data will be used k-means method in order to achieve each cluster. Furthermore, the ensemble clustering method is performed on the cluster result using squeezer algorithm. The result of ensemble clustering using a squeezer algorithm with weighting resulted in that the optimum group is 5 clusters. The main distinguishing variables of the five groups are the number of family members, the number of bedrooms, the status of building ownership, the average floor area, the defecation facility, the installed electricity power of PLN, and the asset ownership.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Algoritma squeezer, Ensemble clustering, Indikator kesejahteraan, Metode K-means, Rumah tangga, Household, Prosperity indicators |
| Subjects: | H Social Sciences > HA Statistics H Social Sciences > HV Social pathology. Social and public welfare 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: | Ria Retna Herliyasari |
| Date Deposited: | 21 Feb 2018 07:09 |
| Last Modified: | 24 Jun 2024 01:41 |
| URI: | http://repository.its.ac.id/id/eprint/50746 |
Actions (login required)
 |
View Item |