Penerapan Algoritma K-Means Dalam Pengelompokan Jumlah Penduduk Berdasarkan Kelurahan Di Kota Pematangsiantar

Hutabarat, Luvita Yolanda; Gunawan, Indra; Purnamasari, Ika; Safii, Moh.; Saputra, Widodo

doi:10.35960/ikomti.v2i2.704

Cited by 4 publications

(4 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pengelompokan yang dilakukan yaitu dengan membagi menjadi tiga cluster yaitu cluster berdasarkan jumlah penduduk rendah, cluster dengan jumlah penduduk sedang, dan cluster dengan jumlah penduduk tinggi. Pengelompokan ini dilakukan untuk memberikan sebuah solusi supaya pemerintah dapat melihat dan memperhatikan kelompok jumlah penduduk yang ada dengan ini dapat mencegah kepadatan jumlah penduduk dan dampak-dampak serta pengaruh buruk lainnya agar diperoleh kesejahteraan masyarakat yang lebih terjamin [13].…”

Section: Pendahuluanunclassified

Penerapan Algoritma K-Means Untuk Mengelompokkan Kepadatan Penduduk Di Provinsi DKI Jakarta

Handayanna,

Sunarti

2024

J. Appl. Comput. Sci. Technol.

View full text Add to dashboard Cite

DKI Jakarta Province is an attraction for immigrants. If the population increases, if it cannot be resolved and managed well, it will result in bad things such as increasing the number of unemployed and affecting economic growth. Population data is used to help group regions based on population density in DKI Jakarta Province in 2019-2022 using the K-Means clustering method. From the results of the research, it provides a solution for the government to pay attention to population groups with the aim of preventing population density because it causes bad effects, so that community welfare is more guaranteed, so grouping (clustering) of provinces in DKI Jakarta is needed to provide information for people who wish to live in the Province DKI Jakarta. The research proves that the test results carried out clustering iterations of population density data were obtained in three iterations. For the results obtained by calculations using the K-Means method and using the rapidminer application, the results obtained were of the same value, namely the cluster with the highest population density of three districts/cities, namely South Jakarta, East Jakarta and West Jakarta whose population density continues to increase.

show abstract

Section: Pendahuluanunclassified

Penerapan Algoritma K-Means Untuk Mengelompokkan Kepadatan Penduduk Di Provinsi DKI Jakarta

Handayanna,

Sunarti

2024

J. Appl. Comput. Sci. Technol.

View full text Add to dashboard Cite

show abstract

“…K Means is a non-hierarchical data grouping method that tries to divide existing data into one or more clusters/groups. This method divides data into clusters/groups so that data with the same characteristics is grouped into the same cluster (Hutabarat, 2021). K-Means is a clustering algorithm with an iterative process.…”

Section: K Meansmentioning

confidence: 99%

K-Means Cluster for Grouping Regencies/Cities in South Sulawesi Province Based Human Development Index on the 2023

Muthahharah,

Meliyana,

Ahmar

et al. 2024

ARRUS J. Soc. Sci. Hum.

View full text Add to dashboard Cite

The grouping of districts/cities in South Sulawesi province should be carried out as a material for planning and evaluating government program objectives. The aim is to increase human development figures based on the indicators that form the HDI including Life Expectancy (UHH) at birth, Expected Years of Schooling (HLS), Average Years of Schooling (RLS). Therefore, cluster analysis was used using the K-means method, which is a type of statistical analysis. This type of research is applied research with a quantitative approach by collecting and analyzing data using the K-Means Cluster method. The data used in the determination was sourced from the South Sulawesi Provincial Central Statistics Agency in 2023. The results of grouping using K-Means clusters showed that there were 3 clusters, where cluster 1 had 23 regencies/cities in the Southern Province consisting of the Selayar Islands, Bantaeng, Jeneponto, Takalar, Sinjai, Maros, Pangkep, Barru, Bone, Soppeng, Wajo, Luwu and North Luwu with low criteria. Cluster 2 has 3 regencies/cities, namely Makassar, Pare Pare and Palopo with high criteria. Cluster 3 has 8 regencies/cities, namely Bulukumba, Gowa, Sidrap, Pinrang, Enrekang, Tana Toraja, East Luwu and North Toraja with medium criteria. The suggestion in this research is that you can use indices and other methods to group districts/cities in South Sulawesi Province.

show abstract

“…Algoritma Kmeans kerapkali digunakan dengan tujuan mengatasi masalah dengan meringkas besaran item, serta memahami karakteristik dari data [24]. Berikut adalah tahap-tahap dalam melaksanakan pengelompokan menggunakan algoritma K-means [25].…”

Section: Algoritma K-meansunclassified

Pengelompokan Jumlah Kekerasan Terhadap Anak Menurut Kecamatan Di Kabupaten Banyumas Menggunakan Penerapan Algoritma K-Means Clustering

Hidayat,

Laksana,

Dewi

2023

INDEXIA

View full text Add to dashboard Cite

Kekerasan terhadap anak merupakan suatu tindakan kekerasan yang terjadi pada anak dalam bentuk fisik, seksual, psikis, maupun pengabaian terhadap anak. Hingga saat ini angka kekerasan terhadap anak terus meningkat termasuk juga angka kekerasan terhadap anak yang terjadi di Kabupaten Banyumas. Berdasakan data yang didapatkan dari BPS kabupaten Banyumas terdapat 274 kasus kekerasan terhadap anak diseluruh wilayah kabupaten Banyumas dari tahun 2017 hingga dengan 2020. Berdasarkan data tersebut dapat digunakan untuk mendapatkan informasi yang baru, yaitu dengan menggunakan penerapan teknik data mining yaitu dengan menggunakan algoritma K-means. K-Means merupakan salah satu metode data clustering non-hirarki yang dapat mempartisi data yang ada ke dalam bentuk satu atau lebih cluster/kelompok. Metode ini mempartisi data ke dalam Cluster/kelompok sehingga data yang memiliki karakteristik sama dikelompokkan ke dalam satu Cluster yang sama. Tujuan dari penelitian ini adalah untuk menentukan pengelompokan tingkat kekerasan terhadap anak menurut kecamatan di kabupaten Banyumas yang terjadi dari tahun 2017 hingga 2020 dengan menerapkan algoritma K-means Clustering. Pada penelitian ini ditentukan sebanyak 3 cluster dari perhitungan tersebut mendapatkan hasil yaitu cluster satu merupakan pengelompokan kasus kekerasan terhadap anak menurut kecamatan dikabupaten Banyumas yang terjadi diantara tahun 2017-2020 yang mencapai kasus tertinggi sebanyak 10 kasus dalam satu tahun dan terdapat pada 20 kecamatan. Cluster dua merupakan pengelompokan kasus kekerasan terhadap anak menurut kecamatan dikabupaten Banyumas yang terjadi diantara tahun 2017-2020 yang mencapai kasus tertinggi sebanyak 17 kasus dalam satu tahun dan terdapat pada 1 kecamatan. Cluster tiga merupakan pengelompokan kasus kekerasan terhadap anak menurut kecamatan dikabupaten Banyumas yang terjadi diantara tahun 2017-2020 yang mencapai kasus tertinggi sebanyak 15 kasus dalam satu tahun dan terdapat pada 6 kecamatan.

show abstract

Penerapan Algoritma K-Means Dalam Pengelompokan Jumlah Penduduk Berdasarkan Kelurahan Di Kota Pematangsiantar

Cited by 4 publications

References 4 publications

Penerapan Algoritma K-Means Untuk Mengelompokkan Kepadatan Penduduk Di Provinsi DKI Jakarta

Penerapan Algoritma K-Means Untuk Mengelompokkan Kepadatan Penduduk Di Provinsi DKI Jakarta

K-Means Cluster for Grouping Regencies/Cities in South Sulawesi Province Based Human Development Index on the 2023

Pengelompokan Jumlah Kekerasan Terhadap Anak Menurut Kecamatan Di Kabupaten Banyumas Menggunakan Penerapan Algoritma K-Means Clustering

Contact Info

Product

Resources

About