Pengelompokan Kabupaten/Kota di Papua Berdasarkan Indikator Rumah Layak Huni Menggunakan Fuzzy C-Means Cluster

Sari, Ajeng Sekar (2023) Pengelompokan Kabupaten/Kota di Papua Berdasarkan Indikator Rumah Layak Huni Menggunakan Fuzzy C-Means Cluster. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06211940000065-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Perumahan dan pemukiman yang layak merupakan salah satu indikator yang dapat meng-gambarkan kesejahteraan masyarakat. Pemenuhan terhadap akses rumah layak huni merupakan salah satu target dari tujuan Sustainable Development Goals (SDGs) poin ke-11, serta pemerintah melalui RPJMN tahun 2020-2024 menargetkan sebanyak 70% rumah tangga di Indonesia menempati hunian yang layak, 90% rumah tangga memiliki akses sanitasi yang layak, dan 100% rumah tangga memiliki akses air minum layak. Namun faktanya, pada tahun 2021 provinsi Papua merupakan provinsi dengan persentase rumah tangga yang menempati hunian layak terendah di Indonesia. Oleh karena itu, penelitian ini akan memanfaatkan data indikator rumah layak huni untuk mengelompokkan kabupaten/kota di Papua dengan tujuan untuk memudahkan penggambaran karakteristik masing-masing wilayah berdasarkan indikator tersebut. Analisis kelompok menggunakan Fuzzy C-Means (FCM) dengan jumlah kelompok optimum dipilih berdasarkan nilai Pseudo F-Statistic dan hasil kelompok terbaik berdasarkan nilai Icdrate. Hasil pengelompokan FCM menunjukkan jumlah kelompok optimum sebanyak 3 kelompok dengan nilai Pseudo F-Statistic tertinggi sebesar 34,62937. Hasil kelompok terbaik adalah kelompok dengan fungsi keanggotaan linier naik, linier turun, kurva segitiga, dan kurva trapesium yang memiliki nilai Icdarate sebesar 0,2729409. Kelompok 1 merupakan kelompok dengan indikator rumah layak huni terendah dibanding kelompok lainnya, kelompok 2 memiliki karakteristik kecukupan luas ruangan dan akses sanitasi layak yang rendah, dan kelompok 3 merupakan kelompok dengan indikator rumah layak huni terbaik yang ditunjukkan dengan tingginya nilai rata-rata seluruh indikator.
===============================================================================================================================
Adequate housing and settlement is one of the indicators that can describe the welfare of the community. Fulfilment of access to decent housing is one the targets of the 11th point of the Sustainable Development Goals (SDGs), and the government through the 2020-2024 RPJM targets as many as 70% of households in Indonesia occupy decent housing, 90% of households have access to proper sanitation, and 100% of households have access to proper drinking water. But in fact, in 2021 Papua is the province with the lowest percentage of households occupying decent housing in Indonesia. Therefore, this study will utilize data on liveable housing indicators to group districts/cities in Papua to describe the characteristics of each region based on these indicators. Cluster analysis uses Fuzzy C-Means (FCM) with the optimum number of groups selected based on the Pseudo F-Statistic value and the best group result selected based on the Icdrate value. FCM clustering results the optimum number of groups is 3 groups with the highest Pseudo F-Statistic value of 34,62937. The best group results are groups with linear up, linear down, triangular curve, and trapezoidal curve membership function that have Icdrate value of 0,27294. Group 1 is the group with the lowest liveable housing indicators compared to other groups, group 2 is characterized by low sufficiency of space and access to proper sanitation, and group 3 is the group with the best liveable housing indicators as indicated by high average value of all indicators.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Kelompok, Analisis Cluster, Cluster, Fuzzy C-Means, Indikator Rumah Layak Huni, Kesejahteraan Masyarakat, One-Way MANOVA, Pengelompokan, SDGs
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	AJENG SEKAR SARI
Date Deposited:	06 Sep 2023 02:05
Last Modified:	06 Sep 2023 02:05
URI:	http://repository.its.ac.id/id/eprint/104409

Actions (login required)

View Item