Penerapan Algoritma K-Means Untuk Pengelompokan Data Penyandang Disabilitas Di Kabupaten Rokan Hilir

Wildani Putri, Muhammad Afdal
{"title":"Penerapan Algoritma K-Means Untuk Pengelompokan Data Penyandang Disabilitas Di Kabupaten Rokan Hilir","authors":"Wildani Putri, Muhammad Afdal","doi":"10.57152/ijirse.v3i1.526","DOIUrl":null,"url":null,"abstract":"Kesejahteraan Sosial merupakan matlamat bangsa Indonesia yang tertera dalam UUD RI Tahun 1945. Akan tetapi, hingga kini tujuan tersebut belum tercapai karena masih banyaknya Penyandang Masalah Kesejahteraan Sosial (PMKS), salah satunya disabilitas. Pada penelitian ini dilakukan pengelompokan data penyandang disabilitas di kabupaten Rokan Hilir guna memberikan informasi terhadap pemerintah dan instansi yang bersangkutan dalam pengambilan keputusan yang tepat. Untuk pengelompokkan pada penelitian ini menerapkan algoritma K-Means. Klaster yang diperoleh pada penelitian ini berjumlah tiga klaster yakni cluster_0 : kelompok kecamatan disabilitas rendah, cluster_2 : kelompok kecamatan disabilitas sedang, dan cluster_1 : kelompok kecamatan disabilitas terbanyak. Dari 18 kecamatan di Kabupaten Rokan Hilir, 1 Kecamatan cluster tingkat tinggi untuk wilayah penyandang disabilitas terbanyak yakni kecamatan Bangko, 3 kecamatan cluster tingkat sedang yakni kecamatan Rimba melintang, Rantau Kopar serta Pujud dan 14 kecamatan lainnya termasuk cluster tingkat rendah. Hasil yang diperoleh mengindikasikan bahwa metode K-Means cukup baik untuk melakukan pengelompokkan data penyandang disabilitas di Kabupaten Rokan Hilir dengan hasil validasi dengan metode Davies Bouldin yang dihasilkan adalah 0,063.","PeriodicalId":148640,"journal":{"name":"Indonesian Journal of Informatic Research and Software Engineering (IJIRSE)","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-03-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Indonesian Journal of Informatic Research and Software Engineering (IJIRSE)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.57152/ijirse.v3i1.526","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Kesejahteraan Sosial merupakan matlamat bangsa Indonesia yang tertera dalam UUD RI Tahun 1945. Akan tetapi, hingga kini tujuan tersebut belum tercapai karena masih banyaknya Penyandang Masalah Kesejahteraan Sosial (PMKS), salah satunya disabilitas. Pada penelitian ini dilakukan pengelompokan data penyandang disabilitas di kabupaten Rokan Hilir guna memberikan informasi terhadap pemerintah dan instansi yang bersangkutan dalam pengambilan keputusan yang tepat. Untuk pengelompokkan pada penelitian ini menerapkan algoritma K-Means. Klaster yang diperoleh pada penelitian ini berjumlah tiga klaster yakni cluster_0 : kelompok kecamatan disabilitas rendah, cluster_2 : kelompok kecamatan disabilitas sedang, dan cluster_1 : kelompok kecamatan disabilitas terbanyak. Dari 18 kecamatan di Kabupaten Rokan Hilir, 1 Kecamatan cluster tingkat tinggi untuk wilayah penyandang disabilitas terbanyak yakni kecamatan Bangko, 3 kecamatan cluster tingkat sedang yakni kecamatan Rimba melintang, Rantau Kopar serta Pujud dan 14 kecamatan lainnya termasuk cluster tingkat rendah. Hasil yang diperoleh mengindikasikan bahwa metode K-Means cukup baik untuk melakukan pengelompokkan data penyandang disabilitas di Kabupaten Rokan Hilir dengan hasil validasi dengan metode Davies Bouldin yang dihasilkan adalah 0,063.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
n .为下游Rokan区残疾人数据分组的g -手段算法的应用
福利是1945年《宪法》中规定的印尼国家的一个目标。然而,由于许多社会福利问题(PMKS)仍然存在,这一目标尚未实现,其中之一是残疾。本研究对下游罗坎区的残疾人数据进行了分类,以向有关政府和机构提供有关正确决策的信息。将其应用于k -手段算法进行分组。这项研究获得的集群共有3个集群:低残疾街道组、cluster_2:中等残疾地区集团和最多残疾地区集团。在较低的罗坎地区的18个地区中,有1个高级别的集群街道是班科地区,3个中级集群街道是横贯森林、Rantau Kopar和Pujud,以及其他14个较小的集群。由此产生的结果表明,k - 5,手段足以对下游Rokan区的残疾人数据进行集群,从而验证其结果与戴维斯•博丁(Davies Bouldin)的方法是0.063。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Perbandingan Metode SUS dan PIECES Framework Untuk Mengevaluasi Tingkat Kepuasan Pengguna SAP pada PTPN IV Analisis Kualitas Website Mediacenter Menggunakan Metode Webqual 4.0 Dan IPA Perbandingan Algoritma K-Means Dan K-Medoids Untuk Clustering Daerah Rawan Banjir Di Kabupaten Rokan Hilir Rancang Bangun Sistem Informasi Akademik Berbasis Web Pada SMA Negeri 2 Pinggir Implementasi Algoritma K-Means Untuk Klustering Data Produktivitas Kelapa Sawit
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1