PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOID DALAM PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAMBI BERDASARKAN DATA PENYAKIT MENULAR DENGAN CALINSKI HARABASZ INDEX

Mubarak, Hosni (2023) PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOID DALAM PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAMBI BERDASARKAN DATA PENYAKIT MENULAR DENGAN CALINSKI HARABASZ INDEX. S1 thesis, Matematika.

	Text Skripsi Hosni Mubarak Full Teks.pdf Restricted to Repository staff only Download (3MB)
	Text COVER.pdf Download (92kB)
	Text Halaman Pengesahan Hosni.pdf Download (250kB)
	Text ABSTRAK.pdf Download (132kB)
	Text BAB I.pdf Download (1MB)
	Text BAB V.pdf Download (87kB)
	Text DAFTAR PUSTAKA.pdf Download (106kB)

Abstract

Penyakit menular merupakan suatu penyakit yang dapat ditularkan atau berpindah dari orang yang sakit ke orang yang sehat atau orang yang belum terjangkit penyakit menular baik ditularkan secara langsung atau melalui perantara. Berdasarkan angka kejadian penyakit menular yang terjadi di setiap wilayah Provinsi Jambi, dibutuhkan pengelompokan sebagai upaya yang dapat dilakukan dalam menentukan prioritas wilayah kabupaten/kota di Provinsi Jambi dalam mengatasi masalah penyakit menular. Agar mengetahui tingkat penyakit menular di setiap wilayah kabupaten/kota di Provinsi Jambi maka akan dilakukan pengelompokan dengan membandingkan dua algoritma yaitu K-Means dan K-Medoid yang mana kedua algoritma ini merupakan bagian dari analisis cluster non-hierarki dengan jumlah k cluster ditentukan diawal perhitungan, pada penelitian ini jumlah k cluster ditentukan dengan menggunakan metode Elbow untuk memperoleh jumlah k cluster yang optimal. Penelitian dilakukan dengan merumuskan masalah, mengumpulkan data, mengecek asumsi analisis cluster, menentukan jumlah cluster optimal dengan metode Elbow, melakukan pengelompokan dengan algoritma K-Means dan K-Medoid menggunakan ukuran jarak Euclidean, kemudian mengevaluasi hasil cluster menggunakan Calinski Harabasz Index. Hasil penelitian yang diperoleh adalah data memiliki korelasi yang kuat antar variabel sehingga dilakukan analisis faktor dengan hasil 3 faktor yang digunakan dalam pengelompokan K-Means dan K-Medoid. Kemudian, menentukan jumlah k cluster optimal menggunakan metode Elbow untuk algoritma K-Means dan K-Medoid diperoleh masing-masing algoritma sebanyak 2 cluster optimal. Diperoleh bahwa menggunakan algoritma K-Means, cluster 1 terdiri dari 1 anggota yaitu Kota Jambi serta cluster 2 terdiri dari 10 anggota yaitu Kerinci, Merangin, Sarolangun, Batanghari, Muaro Jambi, Tanjung Jabung Barat, Tanjung Jabung Timur, Tebo, Bungo, dan Kota Sungai Penuh. Kemudian menggunakan algoritma K-Medoid, cluster 1 terdiri dari 2 anggota yaitu Merangin dan Kota Jambi serta cluster 2 terdiri dari 9 anggota yaitu Kerinci, Sarolangun, Batanghari, Muaro Jambi, Tanjung Jabung Barat, Tanjung Jabung Timur, Tebo, Bungo, dan Kota Sungai Penuh. Berdasarkan evaluasi hasil cluster menggunakan Calinski Harabasz Index diperoleh hasil cluster terbaik berada di pengelompokan menggunakan algoritma K-Medoid dengan nilai lebih besar dari pada hasil cluster lain yaitu sebesar 0,8772.

Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics
Depositing User:	MUBARAK
Date Deposited:	26 May 2023 08:00
Last Modified:	26 May 2023 08:00
URI:	https://repository.unja.ac.id/id/eprint/49038

Actions (login required)

View Item