Analisis Klaster Kabupaten/Kota Berdasarkan Indikator Produk Domestik Regional Bruto (PDRB) Menggunakan Metode Unsupervised Learning - Cluster Analysis Of The District/City Based On Indicators Of Gross Regional Domestic Product (GRDP) Using Unsupervised Learning

Jaelanie, Agung (2016) Analisis Klaster Kabupaten/Kota Berdasarkan Indikator Produk Domestik Regional Bruto (PDRB) Menggunakan Metode Unsupervised Learning - Cluster Analysis Of The District/City Based On Indicators Of Gross Regional Domestic Product (GRDP) Using Unsupervised Learning. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
2214206705-Master thesis.pdf - Published Version

Download (3MB) | Preview

Abstract

Pembangunan ekonomi merupakan serangkaian usaha yang ditujukan untuk meningkatkan kesejahteraan masyarakat, mengurangi angka pengangguran, dan meminimalkan ketimpangan pendapatan di masyarakat. Ketersediaan indikator pembangunan ekonomi menjadi hal yang tidak bisa dihindari dalam perencanaan pembangunan, guna mewujudkan kebijakan yang tepat sasaran. Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator yang digunakan untuk mengetahui kondisi perekonomian di suatu wilayah. Hingga saat ini konsentrasi pembangunan perekonomian tertinggi hanya di daerah tertentu saja sehingga mengakibatkan terjadinya ketimpangan pembangunan antar daerah. Di Indonesia, penentuan alokasi dana pembangunan dalam rangka pemeretaan perekonomian maupun infrastruktur didaerah masih terfokus pada satu wilayah atau daerah tertentu saja, sehingga daerah lain yang kurang mandapat perhatian dari pemerintah pusat cenderung mengalami pembangunan ekonomi yang rendah. Salah satu penyebab adanya ketidakseimbangan pembangunan ekonomi adalah keterbatasan data dan informasi mengenai pola perekonomian dan daerah yang masih rendah tingkat perekonomiannya, sehingga dimungkinkan terjadi kesalahan dalam menentukan prioritas kebijakan. Tujuan penelitian ini adalah menghasilkan pola perekonomian dan mengetahui daerah yang masih rendah tingkat perekonomiannya bedasarkan data PDRB sehingga bisa digunakan sebagai dasar untuk menentukan prioritas kebijakan pembangunan ekonomi di daerah. Pendekatan analisis yang dilakukan adalah analisis klaster. Metode yang digunakan adalah metode K-Means dan Self-Organizing Maps (SOM). Penelitian ini menghasilkan 7 klaster sebagai yang terbaik menggunakan metode SOM dengan nilai validasi sebesar 0.9704. ======================================================================================================================== Economic development is a series of efforts which is intended forimproving people's welfare, reduce the unemployment, and minimize inequality in society. The willingness of economic development indicators becomes unavoidablein development planning. In order to get the right policy which is targeted, gross regional domestic product (GRDP) is one of the indicators used to know the economic conditions in a region. So far, The highest concentration of economic development which only in certain areas have caused imbalance of economic development between regions. In Indonesia, determining the allocation of development fundsin the context of equitable economy and infrastructure in the region is still focused on a certain region or area, thus other areas receive less attention from the central government tend to experience low economic development. One of the causes which makes imbalance of economic development is the limited of data and information about the pattern of the economy and the area which is still has low economy, so it is possible there will be an error in determining policy priorities. The purposed of the research is to produce the economy pattern and to know the areas that have low levels of the economy based on the gross regional domestic product (GRDP) so the research can be usedas the basis for determining the priority of economic development policy in the region. Analytical approach in doing is cluster analysis. The methods used is the K-Means method and Self-Organizing Maps (SOM). This research has resulted 7 clusters as the best method SOM validation value of 0.9704.

Item Type: Thesis (Masters)
Additional Information: RTE 006.32 Jae a
Uncontrolled Keywords: Klastering, Produk Domestik Regional Bruto (PDRB), K-Means, Self-Organizing Maps (SOM), Clustering, Gross Regional Domestic Product, K-Means, Self- Organizing Maps (SOM)
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Industrial Technology > Electrical Engineering
Depositing User: ansi aflacha
Date Deposited: 17 Dec 2019 04:42
Last Modified: 17 Dec 2019 04:42
URI: http://repository.its.ac.id/id/eprint/72395

Actions (login required)

View Item View Item