Analisis Cluster Dengan Menggunakan Metode K-Means Untuk Pengelompokkan Kabupaten/Kota Di Provinsi Maluku Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2014

Talakua, Mozart W.; Leleury, Zeth Arthur; Taluta, A. W.

doi:10.30598/barekengvol11iss2pp119-128

Cited by 39 publications

(42 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Langkah awal yang dilakukan sebelum melakukan analisis cluster adalah melakukan standardisasi variabel. Langkah ini dilakukan karena Sumber: [35] Gambar 1. Algoritma Cluster K-Means adanya perbedaan satuan antara variabel-variabel yang digunakan.…”

Section: Hasil Dan Pembahasanunclassified

Tipologi Potensi Transit-Oriented Development (TOD) di Sekitar Stasiun Light Rail Transit (LRT) Sumatera Selatan

Fatimah¹

2021

warlit

View full text Add to dashboard Cite

AbstrakLight Rail Transit (LRT) Sumatera Selatan dengan 13 stasiun pemberhentian menyediakan alternatif moda transportasi umum massal di Kota Palembang. Jalur LRT sepanjang sekitar 23 kilometer membentang dari utara ke selatan yang merupakan koridor utama Kota Palembang. Stasiun sebagai titik transit perpindahan dari moda transportasi LRT ke angkutan umum lainnya dan sebaliknya, berpotensi untuk menjadi bagian dari pengembangan Transit-Oriented Development (TOD). Masing-masing stasiun memiliki karakteristik tertentu sesuai kondisi lingkungan terbangun di sekitarnya. Pengelompokan stasiun sebagai area yang potensial untuk pengembangan TOD menyederhanakan perencanaan dan perancangannya. Dengan menggunakan data berbasis spasial, yaitu kepadatan penduduk, persentase kawasan perkantoran, persentase kawasan komersial, rata-rata jarak berjalan kaki, dan kepadatan persimpangan, dilakukan analisis cluster. Hasil analisis menunjukkan bahwa terdapat 3 cluster potensi TOD pada jalur LRT yaitu cluster dengan jarak berjalan jauh, cluster kawasan komersial dan/atau perkantoran, dan cluster area padat penduduk dan/atau persimpangan.Kata kunci: Light Rail Transit (LRT), Transit-Oriented Development (TOD), Analisis Cluster, Data Berbasis Spasial.AbstractThe Typology of the Transit-Oriented Development (TOD) Potential around the South Sumatera Light Rail Transit (LRT): The South Sumatera Light Rail Transit (LRT) that has 13 stops provides an alternative mass public transport mode in Palembang City. The LRT track is around 23 kilometers, run from north to south of Palembang City which is the main corridor. As a transit point from the LRT to other public transport and vice versa, stations potentially be a part of the TOD development area. Each station has certain characteristics according to the built environment around it. Grouping stations as potential areas for TOD development simplifies planning and design. Using spatial base data including population density, percentage of office area, percentage of the commercial area, average walking distance, and intersection density as variables, cluster analysis was conducted. The results of the analysis showed that there were 3 TOD clusters in the LRT pathway including the cluster with long walking distance, cluster in the commercial and/or office area, and cluster in the dense population and/or intersections.Keywords: Light Rail Transit (LRT), Transit-Oriented Development (TOD), Cluster Analysis, Spatial Base Data.

show abstract

Section: Hasil Dan Pembahasanunclassified

Tipologi Potensi Transit-Oriented Development (TOD) di Sekitar Stasiun Light Rail Transit (LRT) Sumatera Selatan

Fatimah¹

2021

warlit

View full text Add to dashboard Cite

show abstract

“…Clutering adalah proses membuat pengelompokan sehingga semua anggota dari setiap partisi mempunyai persamaan berdasarkan matriks tertentu. Analisis cluster atau analisis kelompok merupakan teknik analisa data yang bertujuan untuk mengelompokan individu atau objek ke dalam beberapa kelompok yang memiliki sifat berbeda antar kelompok [8]. Cluster yang baik adalah cluster yang mempunyai 1. homogenitas atau kesamaan yang tinggi antar anggota dalam satu cluster (within-cluster) dan 2. heterogenitas atau perbedaan yang tinggi antar cluster yang satu dengan cluster yang lainnya (betweencluster).…”

Section: Proses Clusteringunclassified

Soft Clustering Dengan Algoritma Fuzzy K-Means (Studi Kasus : Pengelompokan Desa Di Kota Tidore Kepulauan)

Johra¹

2021

BAREKENG: J. Il. Mat. & Ter.

View full text Add to dashboard Cite

Mengembangkan wilayah untuk mengurangi kesenjangan dan menjamin pemerataan merupakan salah satu dari tujuh agenda Pembangunana RPJMN IV Tahun 2020-2024. Setiap wilayah tentunya memiliki potensi yang berbeda, baik potensi fisik maupun non-fisik. Perbedaan inilah yang menjadi dasar dalam pengelompokan desa sehingga pembangunan desa menjadi lebih terarah. Secara umum metode klaster dapat dibedakan menjadi dua kelompok yaitu hard clustering dan soft clustering. Pada hard clustering setiap objek dipetakan terhadap setiap kelompok. Metode yang populer pada kelompok hard clustering adalah Cluster K-Means. Sedangkan pada soft clustering objek tidak hanya dipetakan kedalam satu kelompok. Fuzzy K Means (FCM) merupakan salah satu metode dalam soft clustering, dimana Fuzzy K Means merupakan pengembangan dari Cluster K-Means. Cara kerja FCM adalah objek diberi probabilitas yang pada dasarnya menggambarkan kepemilikan objek ke dalam Cluster.

show abstract

“…Algoritma_k_means_secara iteratif meningkatkan variasi dalam cluster, untuk setiap cluster diiterasi sebelumnya. Semua objek kemudian dipindahkan menjadi pusat cluster baru [7][8] [9].…”

Section: Pendahuluanunclassified

Penerapan K-Means Clustering Untuk Pengelompokan Kelas Pada Taman Kanak-Kanak

Anggraeni

Rizaldi

Putra

2021

bits

View full text Add to dashboard Cite

Basically, children aged 5 years can recognize letters, match shapes, recognize class colors and easily adapt to the environment. However, there are some children who only have the ability to read, but do not have other abilities, as well as other children. Based on the observations, the researchers conducted research on the application of k means clustering to classify classes in kindergarten. The object of this research is students who study in TK ABA XI. The method used for division is the k means clustering method, where this method can group data in small amounts or in large amounts of data. There are 2 variables, namely the variable class_safa_and_Kelas_marwa. Where each variable has criteria, namely A = Activeness, B = Matching Pictures, C Knowing Color, D = Knowing Shapes, E = Writing. The result of this research is the calculation of k means cluster in grouping classes in kindergarten students can be a reference for teachers in terms of class division. The student grouping data is according to the desired class capacity and the number of classes can change according to the school's wishes.

show abstract

Analisis Cluster Dengan Menggunakan Metode K-Means Untuk Pengelompokkan Kabupaten/Kota Di Provinsi Maluku Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2014

Cited by 39 publications

References 0 publications

Tipologi Potensi Transit-Oriented Development (TOD) di Sekitar Stasiun Light Rail Transit (LRT) Sumatera Selatan

Tipologi Potensi Transit-Oriented Development (TOD) di Sekitar Stasiun Light Rail Transit (LRT) Sumatera Selatan

Soft Clustering Dengan Algoritma Fuzzy K-Means (Studi Kasus : Pengelompokan Desa Di Kota Tidore Kepulauan)

Penerapan K-Means Clustering Untuk Pengelompokan Kelas Pada Taman Kanak-Kanak

Contact Info

Product

Resources

About