Pengelompokan Kabupaten/Kota di Indonesia Berdasarkan Data Penduduk Miskin Menggunakan Algoritma Partitioning Around Medoids dan Clustering Large Application

HABIBULLAH, Tsahawala Nitro (2024) Pengelompokan Kabupaten/Kota di Indonesia Berdasarkan Data Penduduk Miskin Menggunakan Algoritma Partitioning Around Medoids dan Clustering Large Application. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (81kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (217kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (222kB)
	Text 5. KATA PENGANTAR.pdf Download (89kB)
	Text 6. ABSTRAK.pdf Download (29kB)
	Text 7. ABSTRACT.pdf Download (26kB)
	Text 8. DAFTAR ISI.pdf Download (41kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (51kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (149kB)

Abstract

Salah satu indikator untuk menilai kemajuan suatu negara adalah faktor ekonomi, karena kemiskinan menjadi masalah yang dihadapi oleh hampir semua negara. kemiskinan dapat diartikan sebagai ketidakmampuan seseorang dari sisi ekonomi untuk memenuhi kebutuhan dasar makanan dan bukan makanan yang
diukur menurut garis kemiskinan. Salah satu pendekatan untuk menganalisis keparahan kondisi penduduk miskin wilayah di Indonesia adalah melalui pengelompokan (clustering) kabupaten/kota di Indonesia berdasarkan penduduk miskin. Penelitian ini akan menerapkan pendekatan algoritma Partitioning Around Medoid (PAM) dan Clustering Large Application (CLARA) serta jarak euclidean untuk mengelompokkan Kabupaten/Kota di Indonesia. PAM menggunakan medoid, yaitu objek yang letaknya terpusat dalam suatu cluster, sehingga lebih
efektif dalam menangani data dengan nilai outlier. Algoritma CLARA menggunakan pendekatan sampling lalu menggunakan algoritma PAM di dalam sampel untuk mendapatkan medoid yang terbaik. Validasi hasil clustering dapat dilakukan dengan Davies Bouldin Index (DBI). Nilai yang lebih rendah menunjukkan hasil clustering yang lebih optimal. Berdasarkan validasi DBI, banyak cluster terbaik pada algoritma PAM dan CLARA masing-masing sebanyak 3 cluster dan 4 cluster dengan nilai DBI masing-masing sebesar 1,610604 dan 1,647644. Hasil penelitian ini menunjukkan bahwa pengelompokan terbaik untuk kabupaten/kota di Indonesia, berdasarkan data penduduk miskin, adalah sebanyak
3 cluster menggunakan algoritma PAM.
Kata Kunci: Penduduk Miskin, Analisis Cluster, PAM, CLARA, Euclidean, Davies Bouldin Index

Item Type:	Thesis (Undergraduate)
Subjects:	Sciences and Mathemathic
Divisions:	Faculty of Science and Mathematics > Department of Statistics
Depositing User:	Yemima Laras Sekarsari
Date Deposited:	13 Feb 2026 01:36
Last Modified:	13 Feb 2026 01:36
URI:	https://eprints2.undip.ac.id/id/eprint/45227

Actions (login required)

View Item

Search for collections on Undip Repository