Perbandingan Metode Average Linkage, Complete Linkage, dan Ward’S pada Pengelompokan Kabupaten/Kota di Provinsi Jawa Tengah Berdasarkan Indikator Indeks Pembangunan Manusia

Edy Widodo, Syinta Nuri Mashita, Yosi Ghea Prasetyowati
{"title":"Perbandingan Metode Average Linkage, Complete Linkage, dan Ward’S pada Pengelompokan Kabupaten/Kota di Provinsi Jawa Tengah Berdasarkan Indikator Indeks Pembangunan Manusia","authors":"Edy Widodo, Syinta Nuri Mashita, Yosi Ghea Prasetyowati","doi":"10.30998/faktorexacta.v13i2.6581","DOIUrl":null,"url":null,"abstract":"Provinsi Jawa Tengah merupakan salah satu provinsi yang mempunyai prestasi kinerja yang signifikan. Hal tersebut dapat diketahui berdasarkan nilai pertumbuhan ekonomi Provinsi Jawa Tengah sebesar 5,28%. Pertumbuhan ekonomi di Jawa Tengah belum mencapai nilai yang maksimal hal ini dikarenakan belum meratanya tingkat perekonomian di beberapa wilayah di Provinsi Jawa Tengah. Indeks Pembanguan Manusia (IPM) adalah pengukuran perbandingan dari harapan hidup, melek huruf, pendidikan dan standar hidup untuk semua negara di seluruh dunia. IPM  juga merupakan  suatu  tolak  ukur maju  atau  tidaknya  suatu  wilayah ataupun  daerah,  karena  dengan  tingkat  IPM  yang  tinggi  suatu  daerah  akan dikatakan berhasil dalam program pembangunannya. Analisis pengelompokkan adalah suatu metode untuk mengelompokan n objek berdasarkan p variat yang memiliki kesamaan karakteristik diantara objek-objek. Penelitian ini membandingkan 3 metode pengelompokkan yaitu average linkage, complete linkage,  dan ward’s yang bertujuan untuk mengelompokkan kabupaten/kota di provinsi Jawa Tengah berdasarkan data indikator IPM tahun 2018. Hasil dari penelitian menunjukkan metode pengelompokkan Average Linkage adalah yang terbaik dengan nilai korelasi cophenetic sebesar 0.865. Jumlah kelompok optimum didapatkan 3 kelompok dengan nilai indeks Calinzki Harabas sebesar 117.213. Metode cluster hierarki average linkage menghasilkan 3 kelompok, yaitu kelompok dengan kategori rendah sebanyak 20 kabupaten/kota, kelompok dengan kategori sedang sebanyak 12 kabupaten/kota dan kelompok dengan kategori tinggi sebanyak 3 kabupaten/kota. Hasil pengelompokan divisualisasikan dengan pemetaan pengelompokan kabupaten/kota di provinsi Jawa Tengah berdasarkan indikator IPM tahun 2018.","PeriodicalId":53004,"journal":{"name":"Faktor Exacta","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2020-08-13","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Faktor Exacta","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30998/faktorexacta.v13i2.6581","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

Provinsi Jawa Tengah merupakan salah satu provinsi yang mempunyai prestasi kinerja yang signifikan. Hal tersebut dapat diketahui berdasarkan nilai pertumbuhan ekonomi Provinsi Jawa Tengah sebesar 5,28%. Pertumbuhan ekonomi di Jawa Tengah belum mencapai nilai yang maksimal hal ini dikarenakan belum meratanya tingkat perekonomian di beberapa wilayah di Provinsi Jawa Tengah. Indeks Pembanguan Manusia (IPM) adalah pengukuran perbandingan dari harapan hidup, melek huruf, pendidikan dan standar hidup untuk semua negara di seluruh dunia. IPM  juga merupakan  suatu  tolak  ukur maju  atau  tidaknya  suatu  wilayah ataupun  daerah,  karena  dengan  tingkat  IPM  yang  tinggi  suatu  daerah  akan dikatakan berhasil dalam program pembangunannya. Analisis pengelompokkan adalah suatu metode untuk mengelompokan n objek berdasarkan p variat yang memiliki kesamaan karakteristik diantara objek-objek. Penelitian ini membandingkan 3 metode pengelompokkan yaitu average linkage, complete linkage,  dan ward’s yang bertujuan untuk mengelompokkan kabupaten/kota di provinsi Jawa Tengah berdasarkan data indikator IPM tahun 2018. Hasil dari penelitian menunjukkan metode pengelompokkan Average Linkage adalah yang terbaik dengan nilai korelasi cophenetic sebesar 0.865. Jumlah kelompok optimum didapatkan 3 kelompok dengan nilai indeks Calinzki Harabas sebesar 117.213. Metode cluster hierarki average linkage menghasilkan 3 kelompok, yaitu kelompok dengan kategori rendah sebanyak 20 kabupaten/kota, kelompok dengan kategori sedang sebanyak 12 kabupaten/kota dan kelompok dengan kategori tinggi sebanyak 3 kabupaten/kota. Hasil pengelompokan divisualisasikan dengan pemetaan pengelompokan kabupaten/kota di provinsi Jawa Tengah berdasarkan indikator IPM tahun 2018.
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
基于人类发展指数指标的中爪哇省开普/城市分组平均连锁、完全连锁和沃德方法的比较
中爪哇省是表现突出的省份之一。这是根据中爪哇省5.28%的经济增长率得出的。中东的经济增长尚未达到其最大值,因为中东一些地区的经济增长还没有达到其经济水平。人类发展指数是衡量世界各国预期寿命、识字率、教育和生活水平的指标。IPM[UNK]也是一个[UNK]一个[UNK]减去[UNK]高级尺寸[UNK]或[UNK]它不是一个[UNK]区域或/UNK]区域,[UNK]是因为[UNK]具有[UNK]级别的IPM/UNK],[UNK]a[UNK]区域[UNK]将被认为在其开发计划中是成功的。分组分析是一种基于对象之间具有相同特征的p个变体对n个对象进行分组的方法。本研究比较了三种分组方法:平均连锁、完全连锁和沃德,旨在根据2018年IPM数据对中爪哇省的人口/城市进行分组。研究结果表明,平均连锁分组方法是最好的,共线性相关值为0.865。由Calinzki Harabas指数值为117.213的3个组获得最佳组数。平均连锁层次聚类法产生3个组,即低类20个首都/城市的组、12个首都/市的组和高类3个首都/城的组。2018年基于IPM指标的中爪哇省首府/城市集群划分结果。
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
审稿时长
7 weeks
期刊最新文献
Perancangan Diagnosa Covid-19 Menggunakan Metode Case Based Reasoning (CBR) Untuk Mengidentifikasi Tingkatan Gejala Pasien Covid-19 Analisis Model Matematika dan Simulasi Pada Penyebaran Hepatitis Non HepA-E Akut di Indonesia Perancangan Sistem Informasi Hino Service on Site (Studi Kasus : Dealer Hino, PT. Persada Lampung Raya) Penerapan Algoritma Sweep dan Particle Swarm Optimization (PSO) sebagai Alternatif Menentukan Rute Distribusi Penerapan Metode Convolution Neural Network (CNN) Dalam Proses Pengolahan Citra Untuk Mendeteksi Cacat Produksi Pada Produk Masker
×
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