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.
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 |