Azizah, Indah Tri Nur (2024) ANALISA KLASTER DATA PENDUDUK MISKIN MENURUT PROVINSI DENGAN METODE K-MEANS. Bachelor thesis, Universitas Nasional.
Text
COVER.pdf Download (1MB) |
|
Text
BAB 1.pdf Download (181kB) |
|
Text
BAB 2.pdf Download (385kB) |
|
Text
BAB 3.pdf Download (270kB) |
|
Text
BAB 4.pdf Download (539kB) |
|
Text
BAB 5.pdf Download (172kB) |
|
Text
LAMPIRAN.pdf Download (486kB) |
Abstract
Penerapan metode K-Means dalam analisis data kemiskinan di Indonesia bertujuan untuk mendukung distribusi bantuan sosial yang lebih efektif. Menggunakan data dari Badan Pusat Statistik (BPS) mengenai jumlah individu miskin dari tahun 2019 hingga 2023, metode K-means diterapkan dengan tambahan Rank Order Centroid (ROC) untuk meingkatkan penentuan centroid awal. Evaluasi dilakukan dengan menggunakan elbow method untuk menentukan jumlah cluster yang optimal dan silhouette score untuk menilai kualitas cluster. Hasilnya menunjukan bahwa metode K-Means secara langsung menyarankan jumlah k=2 sebagai yang optimal. Proses clustering mengidentifikasi 2 cluster utama yaitu cluster 1 yang mencakup 31 provinsi dengan tingkat kemiskinan tinggi dan cluster 1 yang terdiri dari 3 provinsi dengan tingkat kemiskinan lebih rendah. Silhouette score yang mendekati 1 menunjukan bahwa cluster tersebut terdefinisikan baik dan berkualitas tinggi. Temuan ini memungkinkan pemerintah untuk mengalokasikan bantuan sosial dengan lebih akurat, membantu dalam perencanaan dan pelaksanaan kebijakan pengentasan yang lebih efektif, sesuai dengan target RPJMN 2020-2024. Kata Kunci: Klaterisasi, Kemiskinan, K-Means, Rank Order Centroid (ROC).
Item Type: | Thesis (Bachelor) |
---|---|
Subjects: | H Social Sciences > HC Economic History and Conditions Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources |
Divisions: | Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi |
Depositing User: | Miss Rahma Rahmawati |
Date Deposited: | 09 Sep 2024 06:15 |
Last Modified: | 09 Sep 2024 06:15 |
URI: | http://repository.unas.ac.id/id/eprint/11655 |
Actions (login required)
View Item |