Human Development Cluster Analysis in Banten Province: A Global Perspective on the Impact of the COVID-19 Pandemic

Aryuningsih
{"title":"Human Development Cluster Analysis in Banten Province: A Global Perspective on the Impact of the COVID-19 Pandemic","authors":"Aryuningsih","doi":"10.36080/jsgs.v2i1.26","DOIUrl":null,"url":null,"abstract":"Abstrak: Human Development Index (HDI) adalah indikator jangka panjang yang membutuhkan kewaspadaan dalam interpretasinya. Selain itu, HDI adalah indikator pembentukan kemajuan pembangunan manusia yang dilihat berdasarkan kecepatan dan status HDI dalam suatu periode, sehingga pembangunan manusia sangat penting dalam strategi kebijakan nasional untuk pengembangan ekonomi dan sumber daya manusia secara merata di suatu wilayah. Oleh karena itu, penelitian ini bertujuan untuk mengkluster distrik/kota di Banten menggunakan algoritma pada k-means dan fuzzy c-mean dengan dikelompokkan ke dalam 4 cluster sekaligus. Untuk melihat cluster terbaik menggunakan tes validasi, dan sebagai sarana informasi dan input dalam hal peningkatan pengembangan secara merata di Provinsi Banten. Oleh karena itu, pengolahan data diperlukan untuk mendapatkan metode dan hasil cluster terbaik.Peneliti melakukan pemrosesan data menggunakan algoritma k-means dan fuzzy c-Means. Hasil tes validasi adalah 0,38 dan 0,78. Kemudian hal ini menunjukkan bahwa penggunaan algoritma fuzzy c-means pada indikator HDI lebih baik daripada nilai algoritma k-media, karena nilai validasi lebih dekat dengan 1. hasil clustering yang didapat pada kedua metode baik terutama dalam karakteristik anggota yang masuk kedalam cluster, dengan mengelompokkan 8 kabupaten/kota ke dalam 4 cluster dihasilkan pada k-means untuk cluster 1 beranggota kota Tangerang dan kota Tangerang Selatan, cluster 2 Kabupaten Lebak, cluster 3 kabupaten Tangerang, kota Serang, dan kota Cilegon dan cluster 4 kabupaten Pandeglang, dan kabupaten Serang. Sedangkan pada fuzzy c-means pada cluster 1 beranggota Kabupaten Tangerang, Kota Cilegon dan Kota Serang, cluster 2 kota Tangerang dan kota Tangerang Selatan, cluster 3 Kabupaten Pandeglang dan Kabupaten Serang, dan cluster 4 Kabupaten Lebak.\n \nAbstract: The Human Development Index (HDI) is a long-term indicator that requires caution in its interpretation. Moreover, the human development index is an indicator of the formation of human development progress seen based on the speed and status of the IPM in a period, so human development is very important in the national policy strategy for the development of the economy and human resources evenly in a region (PPK). Therefore this study aimed to cluster districts/cities in Banten using algorithms on k-means and fuzzy c-means by being grouped into 4 clusters at once. To view the clustering best using validation test, and as a means of information and input in terms of increasing development evenly in Banten province. Therefore, data processing is needed to get the best cluster methods and results. Researchers conducted data processing using k-means and fuzzy c-means algorithms. The results of the validation test were 0.38 and 0.78. Then this shows that the use of those FCM algorithm on the HDI indicator is better than the value of the algorithm k-means because validation values are closer to 1. And the clustering obtained on both the good especially in characteristics of members of entering the cluster, by grouping eight districts/cities to 4 cluster produced on k-means for cluster of 1 membered Tangerang and South Tangerang, cluster of 2 Lebak district, cluster of 3 Tangerang district, Serang and Cilegon city, and cluster of 4 Pandeglang and Serang district, while in fuzzy c-means consists cluster of 1 membered Tangerang, Cilegon and Serang city, cluster of 2 Tangerang and South Tangerang, cluster of 3 Pandeglang and Serang district, and cluster of 4 Lebak district .","PeriodicalId":272480,"journal":{"name":"Budi Luhur Journal of Strategic & Global Studies","volume":"61 4","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-01-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Budi Luhur Journal of Strategic & Global Studies","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36080/jsgs.v2i1.26","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

Abstrak: Human Development Index (HDI) adalah indikator jangka panjang yang membutuhkan kewaspadaan dalam interpretasinya. Selain itu, HDI adalah indikator pembentukan kemajuan pembangunan manusia yang dilihat berdasarkan kecepatan dan status HDI dalam suatu periode, sehingga pembangunan manusia sangat penting dalam strategi kebijakan nasional untuk pengembangan ekonomi dan sumber daya manusia secara merata di suatu wilayah. Oleh karena itu, penelitian ini bertujuan untuk mengkluster distrik/kota di Banten menggunakan algoritma pada k-means dan fuzzy c-mean dengan dikelompokkan ke dalam 4 cluster sekaligus. Untuk melihat cluster terbaik menggunakan tes validasi, dan sebagai sarana informasi dan input dalam hal peningkatan pengembangan secara merata di Provinsi Banten. Oleh karena itu, pengolahan data diperlukan untuk mendapatkan metode dan hasil cluster terbaik.Peneliti melakukan pemrosesan data menggunakan algoritma k-means dan fuzzy c-Means. Hasil tes validasi adalah 0,38 dan 0,78. Kemudian hal ini menunjukkan bahwa penggunaan algoritma fuzzy c-means pada indikator HDI lebih baik daripada nilai algoritma k-media, karena nilai validasi lebih dekat dengan 1. hasil clustering yang didapat pada kedua metode baik terutama dalam karakteristik anggota yang masuk kedalam cluster, dengan mengelompokkan 8 kabupaten/kota ke dalam 4 cluster dihasilkan pada k-means untuk cluster 1 beranggota kota Tangerang dan kota Tangerang Selatan, cluster 2 Kabupaten Lebak, cluster 3 kabupaten Tangerang, kota Serang, dan kota Cilegon dan cluster 4 kabupaten Pandeglang, dan kabupaten Serang. Sedangkan pada fuzzy c-means pada cluster 1 beranggota Kabupaten Tangerang, Kota Cilegon dan Kota Serang, cluster 2 kota Tangerang dan kota Tangerang Selatan, cluster 3 Kabupaten Pandeglang dan Kabupaten Serang, dan cluster 4 Kabupaten Lebak.   Abstract: The Human Development Index (HDI) is a long-term indicator that requires caution in its interpretation. Moreover, the human development index is an indicator of the formation of human development progress seen based on the speed and status of the IPM in a period, so human development is very important in the national policy strategy for the development of the economy and human resources evenly in a region (PPK). Therefore this study aimed to cluster districts/cities in Banten using algorithms on k-means and fuzzy c-means by being grouped into 4 clusters at once. To view the clustering best using validation test, and as a means of information and input in terms of increasing development evenly in Banten province. Therefore, data processing is needed to get the best cluster methods and results. Researchers conducted data processing using k-means and fuzzy c-means algorithms. The results of the validation test were 0.38 and 0.78. Then this shows that the use of those FCM algorithm on the HDI indicator is better than the value of the algorithm k-means because validation values are closer to 1. And the clustering obtained on both the good especially in characteristics of members of entering the cluster, by grouping eight districts/cities to 4 cluster produced on k-means for cluster of 1 membered Tangerang and South Tangerang, cluster of 2 Lebak district, cluster of 3 Tangerang district, Serang and Cilegon city, and cluster of 4 Pandeglang and Serang district, while in fuzzy c-means consists cluster of 1 membered Tangerang, Cilegon and Serang city, cluster of 2 Tangerang and South Tangerang, cluster of 3 Pandeglang and Serang district, and cluster of 4 Lebak district .
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
万丹省人类发展聚类分析:COVID-19 大流行影响的全球视角
摘要人类发展指数(HDI)是一个长期指标,在解释时需要保持警惕。此外,人类发展指数是根据一个时期内人类发展指数的速度和状况来衡量人类发展进步形成的指标,因此人类发展在一个地区的经济发展和人力资源均衡的国家政策战略中非常重要。因此,本研究旨在使用 K-均值和模糊 C-均值算法对万丹省的地区/城市进行聚类,一次分为 4 个聚类。通过验证测试找出最佳聚类,并以此作为增加万丹省均衡发展的信息和投入手段。研究人员使用 k-means 和模糊 c-Means 算法进行了数据处理。验证测试结果分别为 0.38 和 0.78。这说明在人类发展指数指标上使用模糊 c-means 算法比 k-media 算法的值要好,因为验证值更接近于 1。两种方法得到的聚类结果都很好,特别是在进入聚类的成员特征方面,通过将 8 个区/市分成 4 个聚类,在 k-means 算法中产生了聚类 1 成员 Tangerang 市和 South Tangerang 市,聚类 2 Lebak 区,聚类 3 Tangerang 区、Serang 市和 Cilegon 市,聚类 4 Pandeglang 区和 Serang 区。而在模糊 c-means 中,群组 1 由丹吉尔港区、西里贡市和实浪市组成,群组 2 由丹吉尔港市和南丹吉尔港市组成,群组 3 由 Pandeglang 区和实浪区组成,群组 4 由 Lebak 区组成。摘要人类发展指数(HDI)是一个长期指标,在解释时需要谨慎。此外,人类发展指数是根据一个时期内人类发展指数的速度和状况来衡量人类发展进步形成的指标,因此人类发展在一个地区(PPK)的经济和人力资源均衡发展的国家政策战略中非常重要。因此,本研究旨在使用 k-means 和模糊 c-means 算法对万丹省的地区/城市进行聚类,一次分为 4 个聚类。使用验证测试查看最佳聚类,并将其作为增加万丹省均匀发展方面的信息和投入的一种手段。因此,需要对数据进行处理,以获得最佳的聚类方法和结果。研究人员使用 k-means 和模糊 c-means 算法进行了数据处理。验证测试的结果分别为 0.38 和 0.78。这表明,在人类发展指数指标上使用 FCM 算法比 k-means 算法的值更好,因为验证值更接近 1。通过将 8 个区/市归入 4 个聚类,在 k-means 算法中产生了 1 个成员丹吉尔港和 南丹吉尔港聚类、2 个 Lebak 区聚类、3 个丹吉尔港区、雪郎和西里贡市聚类以及 4 个 Pandeglang 和雪郎区聚类,而在模糊 c-means 算法中产生了 1 个成员丹吉尔港、西里贡和雪郎市聚类、2 个丹吉尔港和南丹吉尔港聚类、3 个 Pandeglang 和雪郎区聚类以及 4 个 Lebak 区聚类。
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
Reforms in the Education System of the Republic Of Uzbekistan to Improve the Management of Higher Education Institutions National Law and International Law in Indonesian (Between Monism or Dualism) Psychosocial Perspectives on Women's Involvement in Radicalism Indonesia's Foreign Policy Towards Malaysia And Thailand Regarding Rohingya Refugees In Indonesia During The Early Years Of President Joko Widodo's Administration Human Development Cluster Analysis in Banten Province: A Global Perspective on the Impact of the COVID-19 Pandemic
×
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