Metode K-Means Untuk Pemetaan Persebaran Usaha Mikro Kecil Dan Menengah

Abstract

Developments in the current era of globalization are very dependent on the economic sector which is the benchmark of success carried out by the government. The role of the community in national development in the economic field is the existence of Micro, Small and Medium Enterprises (MSMEs). To increase the role of MSMEs as a benchmark for the success of the economic sector, there must be support from the government, such as assistance for business owners with limited costs. The purpose of this study is to determine community business groups as a measure of the level of business, making it easier for the government to provide assistance. The K-Means Clustering method is a method used for grouping business levels based on the income that exists in today's society. The result of this research is a website-based business-level grouping system used by the Cooperatives and SMEs Office by grouping them into micro, small and medium-sized businesses based on income/assets.

Application of K-Means and Fuzzy C-Means Algorithms to Determine Flood Vulnerability Clusters (Case Study: Kutai Kartanegara Regency)

“…K-Means is a method that requires criteria from clusters, and groups all i-th data into cluster criteria by maximizing the similarity between elements in a cluster, while reducing similarity with other clusters. In other words, this algorithm divides the data into 𝑘 clusters in such a way that the data in one cluster has a high level of accuracy, while the similarity with other clusters is very low [11,12]. The following are the steps for K-Means:…”

Penerapan Metode K-Medoids Guna Pengelompokan Data Usaha Mikro, Kecil dan Menengah (UMKM) Bidang Kuliner Di Kota Yogyakarta

“…Pengelompokkan UMKM bidang jasa juga pernah dilakukan sebelumnya menggunakan metode Analitical Hierarcy Clustering [9]. Clustering juga digunakan untuk persebaran UMKM [10].…”

“…Metode silhouette coefficient digunakan pada pengujian penelitian ini, metode ini menghitung jarak kedekatan dan jarak keterpisahan tiap data atau objek dalam cluster [10]. Langkah-langkah pada silhouette coefficient [12,13], sebagai berikut: a. Hitung rata-rata jarak terhadap suatu dokumen ke-i dengan tiap dokumen lainnya yang terdapat pada satu cluster yang sama menggunakan persamaan (2).…”

Pemetaan Daerah Berdasarkan Jenis Usaha Umkm Dengan Algoritma K-Means Di Jawa Barat

“…Penelitian Hal ini menunjukan bahwa dengan menggunakan metode K-Means dapat mengelompokan tingkatan usaha maupun pemerataan bantuan UMKM mikro karena hasil perhitungan akan dipetakan ke dalam map Kecamatan Karang malang sesuai cluster masingmasing [5].…”

“…K dalam Metode K-means sebenarnya merupakan sebuah nilai dari sebuah pusat cluster (Centroid). Nilai pusat/ Centroid yang telah dipilih merupakan factor dari hasil aktir dari Metode K-means [5]. Dasar dari metode klasifikasi ini merupakan pengelompokan data berdasarkan jarak dari setiap nilai data yang ada.…”