CLUSTERING KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN INDIKATOR IPM MENGGUNAKAN SOM DAN FCM

Choirul Fatihin, Sri Andayani

Abstract


Salah satu upaya pemerintah dalam mengukur pembangunan manusia yaitu melalui indeks pembangunan manusia (IPM). IPM di Indonesia mengalami peningkatan namun tidak lebih besar dari tahun sebelumnya akibat dari covid-19. Setiap daerah tentunya memiliki tingkat keberhasilan pembangunan manusia yang berbeda, sehingga perlu dilakukan analisis hasil pembangunan manusia salah satunya menggunakan analisis clustering. Hasil analisis dapat dimanfaatkan pemerintah sebagai bahan evaluasi dan perencanaan sasaran program pemerintah yang sesuai di setiap daerah. Penelitian ini bertujuan untuk mengetahui hasil clustering kabupaten/kota di Jawa Timur berdasarkan indikator indeks pembangunan manusia menggunakan metode Self-Organizing Maps (SOM) dan Fuzzy C-Means (FCM) dan mengetahui karakteristik masing-masing kelompok dari metode terbaik. Penelitian ini menggunakan data indikator indeks pembangunan manusia Provinsi Jawa Timur tahun 2021 yang diperoleh dari laman resmi Badan Pusat Statistik Provinsi Jawa Timur. Data yang digunakan terdiri dari 38 kabupaten/kota dan 4 variabel. Metode validasi klaster yang digunakan adalah Davies-Bouldin Index (DBI) dan Calinski-Harabasz Index (CHI). Berdasarkan DBI diperoleh metode clustering terbaik adalah SOM dengan jumlah klaster 3, learning rate 0,1 dan normalisasi min-max dengan indeks sebesar 0,74823. Berdasarkan CHI diperoleh metode clustering terbaik adalah FCM dengan jumlah klaster 3, bobot pangkat 1,5, dan normalisasi min-max dengan indeks sebesar 43,9344.

Kata Kunci: indeks pembangunan manusia, analisis clustering, self-organizing maps, fuzzy c-means


Full Text:

PDF

References


Aliyatussya’ni, & Saputro, D. R. S. (2022). ALGORITME PARTITIONING AROUND MEDOID (PAM) DENGAN CALINSKI-HARABASZ INDEX UNTUK CLUSTERING DATA OUTLIER. UNEJ e-Proceeding, 22-29.

Badan Pusat Statistik (BPS). (2021). Indeks Pembangunan Manusia 2021. Jakarta, Indonesia: Badan Pusat Statistik.

Badan Pusat Statistik (BPS) Provinsi Jawa Timur. (2021). Tabel Dinamis Indeks Pembangunan Manusia. Jawa Timur, Indonesia: Badan Pusat Statistik Provinsi Jawa Timur.

Bezdek, J.C. (1981). Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum Press.

Cahyanti, D. N., Muchtolifah, & Sishadiyati. (2021). Faktor-faktor Indeks Pembangunan Manusia Di Provinsi Jawa Timur. Jambura Economic Edication Journal, 3(2), 93-101.

Deana, R., Suhaedi, D., & Harahap, E. (2022). Konstruksi Sistem Inferensi Fuzzy Menggunakan Subtractive Fuzzy C-Means pada Data Parkinson. In Bandung Conference Series: Mathematics, 2(1), 51-58.

Deni, Midyanti, D. M., & Hidayati, R. (2022). Penentuan Pencemaran Air Menggunakan Metode Self Organizing Maps (SOM). Indonesian Journal of Computer Science, 11(1), 128-137.

Dhanachandra, N., & Chanu, Y. J. (2020). An image segmentation approach based on fuzzy c-means and dynamic particle swarm optimization algorithm. Multimedia tools and applications, 79(25-26), 18839-18858.

Faradonbeh, R. S., Haghshenas, S. S., Taheri, A., & Mikaeil, R. (2020). Application of self-organizing map and fuzzy c-mean techniques for rockburst clustering in deep underground projects. Neural Computing and Applications, 32, 8545-8559.

Herlinda, V., Darwis, D., & Dartono. (2021). Analisis Clustering Untuk Recredesialing Fasilitas Kesehatan Menggunakan Metode Fuzzy C-Means. Jurnal Teknologi dan Sistem Informasi, 2(2), 94-99.

Khairati, A. F., Adlina, A. A., Hertono, G. F., & Handari, B. D. (2019, February). Kajian Indeks Validitas pada Algoritma K-Means Enhanced dan K-Means MMCA. In PRISMA, Prosiding Seminar Nasional Matematika (Vol. 2, pp. 161-170).

Nawaratne, R., Alahakoon, D., De Silva, D., & Yu, X. (2019, July). HT-GSOM: Dynamic self-organizing map with transience for human activity recognition. In 2019 IEEE 17th international conference on industrial informatics (INDIN), Vol. 1, 270-273.

Nugroho, C. A., Hendrawan, R. A., & Hafidz, I. (2012). Clustering kelompok swadaya masyarakat (KSM) dalam menentukan kebijakan bantuan badan pemberdayaan masyarakat di kota surabaya dengan menggunakan metode self-organizing map (SOM) dan K-means. Jurnal Teknik ITS, 1(1), A368-A373.

Poerwanto, B., & Ali, B. (2019). Implementasi Algoritma Fuzzy C-means dalam Mengelompokkan Kecamatan di Tana Luwu Berdasarkan Produktifitas Hasil Perkebunan. MATRIK: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, 19(1), 163-172.

Sitompul, B. J. D., Sitompul, O. S., & Sihombing, P. (2019). Enhancement clustering evaluation result of davies-bouldin index with determining initial centroid of k-means algorithm. Journal of Physics: Conference Series, 1235(1).

United Nations Developmnet Programme (UNDP). (2022). Human Development Report 2021-22: Uncertain Times, Unsettled Lives: Shapping our Future in a Transforming World. New York.

Wang, X., & Xu, Y. (2019, July). An improved index for clustering validation based on Silhouette index and Calinski-Harabasz index. In IOP Conference Series: Materials Science and Engineering (Vol. 569, No. 5, p. 052024). IOP Publishing.


Refbacks

  • There are currently no refbacks.


 

Online ISSN (e-ISSN): 3031-1152

Creative Commons LicenseJurnal Kajian dan Terapan Matematika by https://journal.student.uny.ac.id/index.php/jktm/index is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.