Hasibuan, Rizky Amalyah (2022) PENGELOMPOKAN PROVINSI DI INDONESIA DENGAN MENGGUNAKAN ALGORITMA FUZZY C-MEANS BERDASARKAN SEKTOR-SEKTOR PRODUK DOMESTIK REGIONAL BRUTO MENURUT LAPANGAN USAHA. S1 thesis, matematika.
![]() |
Text
cover.pdf Download (297kB) |
![]() |
Text
skripsi full text.pdf Restricted to Repository staff only Download (5MB) |
![]() |
Text
halaman pengesahan.pdf Download (284kB) |
![]() |
Text
bab 1 skripsi.pdf Download (282kB) |
![]() |
Text
bab v skripsi.pdf Download (246kB) |
![]() |
Text
DAFTAR PUSTAKA.pdf Download (265kB) |
Abstract
Suatu indikator untuk melihat kondisi perekonomian adalah Produk Domestik Regional Bruto (PDRB). PDRB yang digunakan adalah sektor-sektor PDRB atas dasar harga konstan menurut lapangan usaha karena ingin melihat kondisi pembangunan dan pertumbuhan ekonomi di 34 provinsi Indonesia lalu dikelompokkan dengan menggunakan algoritma pengelompokan yaitu Fuzzy C-Means. Pengelompokan digunakan sebagai bahan evaluasi pemerintah dalam melakukan pemerataan provinsi-provinsi di Indonesia. Algoritma Fuzzy C-Means merupakan suatu algoritma pengelompokan yang prosesnya dengan melihat keberadaan suatu titik data pada suatu cluster yang memperhitungkan nilai derajat keanggotaan, nilai derajat keanggotaan terbesar dapat menunjukkan himpunan fuzzy yang berada pada interval 0 sampai 1, dimana himpunan tersebut yang memperlihatkan kecenderungan suatu objek bergabung dengan suatu cluster sangat rendah, rendah, sedang, tinggi, maupun sangat tinggi yang dapat dijadikan sebagai tingkatan PDRB menurut lapangan usaha pada penelitian ini. FCM didasarkan fungsi objektif diminimumkan untuk perbaikan pusat cluster dan nilai derajat keanggotaan dilakukan secara berulang. Sebelum data di analisis dengan FCM, dilakukan dengan melakukan uji kelayakan data dan pengujian asumsi. Pada uji kelayakan data, 17 sektor-sektor PDRB lapangan usaha berkurang menjadi 16 sektor PDRB lapangan usaha karena PDRB sektor pertambangan dan penggalian tidak memenuhi uji kelayakan, kemudian dilanjutkan dengan uji multikolinearitas menggunakan variabel tersisa, diperoleh bahwa data terindikasi multikolinearitas sehingga dilakukan analisis komponen utama diperoleh 2 komponen utama. 2 komponen utama yang akan digunakan dalam proses pengelompokan dengan algoritma FCM dimulai dengan membangkitkan bilangan random, menentukan matriks pusat cluster dan fungsi objektif. Iterasi yang diperlukan sebanyak 12 iterasi sehingga diperoleh hasil yang konvergen diperoleh hasil cluster 1 dengan tingkat PDRB dan pertumbuhan ekonomi rendah beranggotakan 9 provinsi, cluster 2 dengan anggota 7 provinsi, cluster 3 dan cluster 4 dengan anggota 2 provinsi dan cluster 5 memiliki anggota terbanyak yaitu 14 provinsi. Berdasarkan pengelompokan dihasilkan kemudian dilakukan evaluasi dengan menggunakan Classification Entropy Index (CEI) dan Partition Coefficient Index (PCI) yaitu bernilai 0,658674 dan 0,287081. Sehingga dikatakan bahwa algoritma FCM menghasilkan pengelompokan yang cukup baik dalam pengelompokan provinsi di Indonesia berdasarkan sektor-sektor PDRB atas dasar harga konstan menurut lapangan usaha tahun 2020.
Type: | Thesis (S1) |
---|---|
Subjects: | L Education > L Education (General) |
Divisions: | Fakultas Sains dan Teknologi > Matematika |
Depositing User: | HASIBUAN |
Date Deposited: | 27 Jun 2022 01:49 |
Last Modified: | 27 Jun 2022 01:49 |
URI: | https://repository.unja.ac.id/id/eprint/35722 |
Actions (login required)
![]() |
View Item |