Penerapan K-Medoids Dengan Optimasi Genetic Algorithm (GA) Dalam Pengelompokan Provinsi Di Indonesia Berdasarkan Komponen Penyusun Indeks Kualitas Lingkungan Hidup

NGAZIZAH, Lutfiatul (2026) Penerapan K-Medoids Dengan Optimasi Genetic Algorithm (GA) Dalam Pengelompokan Provinsi Di Indonesia Berdasarkan Komponen Penyusun Indeks Kualitas Lingkungan Hidup. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (100kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (242kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (220kB)
	Text 5. KATA PENGANTAR.pdf Download (251kB)
	Text 6. ABSTRAK.pdf Download (200kB)
	Text 7. ABSTRACT.pdf Download (199kB)
	Text 8. DAFTAR ISI.pdf Download (214kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (1MB)
	Text 17. DAFTAR PUSTAKA.pdf Download (602kB)

Abstract

Krisis lingkungan yang terjadi di Indonesia dan dunia menjadi salah satu dari tiga krisis besar yang perlu ditindaklanjuti. Kondisi lingkungan yang buruk menjadi penyebab hilangnya biodiversitas dan terancamnya kesehatan manusia. Komponen penyusun indeks kualitas lingkungan hidup menjadi faktor penentu untuk memantau keadaan lingkungan secara lebih terperinci. Pengelompokan provinsi di Indonesia berdasarkan komponen penyusun indeks kualitas lingkungan hidup dapat menjadi suatu metode untuk mengenali keadaan lingkungan dan membantu pihak yang berkepentingan untuk membuat upaya peningkatan kualitas lingkungan dengan lebih tepat sasaran sesuai karakteristik kelompok. Metode KMedoids dengan optimasi Genetic Algorithm digunakan dalam pengelompokan komponen penyusun indeks kualitas lingkungan di Indonesia. Outlier terdeteksi pada data komponen penyusun indeks kualitas lingkungan hidup. K-Medoids
digunakan karena metode tersebut robust terhadap outlier. Optimasi Genetic Algorithm digunakan untuk meningkatkan skor kebaikan cluster. Validasi menggunakan Silhouette Coefficient diperoleh banyak cluster optimal yaitu q=3.
Silhouette Coefficient tertinggi sebesar 0,5187 diperoleh dari metode K-Medoids dengan optimasi Genetic Algorithm, yang dikategorikan baik. Skor berhasil ditingkatkan melalui proses optimasi, dari 0,4501 pada metode K-Medoids tanpa
optimasi.
Kata Kunci: Lingkungan, Pegelompokan, K-Medoids, Optimasi, Genetic Algorithm, Cluster, Silhouette Coefficient

Item Type:	Thesis (Undergraduate)
Subjects:	Sciences and Mathemathic
Divisions:	Faculty of Science and Mathematics > Department of Statistics
Depositing User:	Yemima Laras Sekarsari
Date Deposited:	19 Jan 2026 10:10
Last Modified:	19 Jan 2026 10:10
URI:	https://eprints2.undip.ac.id/id/eprint/43599

Actions (login required)

View Item

Search for collections on Undip Repository