Pengelompokan Kabupaten/Kota di Provinsi Papua Berdasarkan Indikator Angka Kemiskinan

Endartyana, Ratih Yulika (2019) Pengelompokan Kabupaten/Kota di Provinsi Papua Berdasarkan Indikator Angka Kemiskinan. Other thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 06211745000013-Undergraduate Theses.pdf]
Preview
Text
06211745000013-Undergraduate Theses.pdf

Download (2MB) | Preview

Abstract

Kesejahteraan rakyat adalah suatu hal yang sangat penting dalam suatu negara. Salah satu tolok ukur kesejahteraan masyarakat adalah dilihat dari indikator kemiskinan. Pemerintah melakukan kesepakatan jangka panjang dalam hal mendorong perubahan melalui SDG’s. Salah satu target pemerintah adalah mengetaskan kemiskinan dalam segala bentuk pada tahun 2030. Wilayah di Indonesia yang memiliki persentase penduduk miskin paling tinggi adalah Provinsi Papua. Sehingga dilakukan pengelompokan berdasarkan Indikator Angka Kemiskinan di Provinsi Papua menggunakan metode C-Means Clustering dan Fuzzy C-Means Clustering. Indikator yang digunakan dalam analisis adalah Indikator Kesehatan, Indikator Pendidikan, dan Indikator Karakteristik Rumah Tangga. Berdasarkan hasil analisis didapatkan metode Fuzzy C-Means yang terbentuk 5 Kelompok dengan analisis faktor adalah metode yang terbaik untuk mengelompokan Kabupaten/Kota di Provinsi Papua berdasarkan nilai icdrate paling minimum. Daerah yang perlu dijadikan fokus pemerintah untuk menekan angka kemiskinan di Provinsi Papua adalah Kabupaten Puncak.
===============================================================================================================================
People's welfare is a very important thing in a country. One measure of community welfare is seen from the poverty indicator. The government made a long-term agreement in terms of encouraging change through SDG's. One of the government's targets is to hack poverty in all forms by 2030. The highest area in Indonesia that has a percentage of poor population is Papua Province. So that grouping is done based on the Indicators of Poverty in Papua Province using the C-Means Clustering and Fuzzy C-Means Clustering method. The indicators used in the analysis are Health Indicators, Educational Indicators, and Household Characteristics Indicators. Based on the results of the analysis obtained Fuzzy C-Means method with 5 Clusters formed using factor analysis is the best method to classify Regencies / Cities in Papua Province based on the minimum icdrate value. Puncak regency is the area that needs to be the goverment’s focus to reduce poverty in Papua.

Item Type: Thesis (Other)
Additional Information: RSSt 519.53 End p-1 2019
Uncontrolled Keywords: C-Means Clustering, Fuzzy C-Means Clustering, Kemiskinan, Provinsi Papua
Subjects: H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics
H Social Sciences > HA Statistics > HA31.35 Analysis of variance
Divisions: Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: Ratih Yulika Endartyana
Date Deposited: 13 Mar 2023 04:21
Last Modified: 13 Mar 2023 04:21
URI: http://repository.its.ac.id/id/eprint/63927

Actions (login required)

View Item View Item