CLUSTERING DATA PENDUDUK MISKIN MENGGUNAKAN METODE K-MEANS PADA DESA TELUK AGUNG KECAMATAN INDRAMAYU KABUPATEN INDRAMAYU
DOI:
https://doi.org/10.33592/pelita.v25i2.5159Keywords:
Teluk Agung Village, Poor Population, Clustering, K-Means, Knowledge Discovery in Database (KDD), Davies Bouldin (DBI), PK3E, Desa Teluk Agung, Penduduk Miskin, Clustering, K-Means, Knowledge Discovery in Database (KDD), Davies Bouldin (DBI), PK3EAbstract
The K-Means method is one of the Data Mining methods that is widely used in clustering research. Based on the results of research that has been conducted to build a process model for Poverty Data Clustering Analysis Using the K-Means Method Approach in Teluk Agung Village, Indramayu District, Indramayu Regency, can use RapidMiner tools by creating operators and processing parameters used for clustering the P3KE class category. The operators used in this study are Read Excel, Set Role, Select Attributes, Replace Missing Values, Nominal to Numerical, Multiply, Clustering (K-Means) and Performance operators. The operators used are 8 operators by applying the stages of Knowledge Discovery in Database (KDD). This research will apply the Davies Bouldin Index (DBI) as a way of optimising the number of clusters to group data, from the best cluster value experiment, the closest to 0 is K9 with a DBI value of -2.257, from this we can conclude that approximately 43 items from clusters 2 - 10 are included in the P3KE category, and other than the 43 items can be interpreted as still not included in the P3KE category.
References
AKRAMUNNISA, A.-, & FAJRIANI, F. (2020). K-MEANS CLUSTERING ANALYSIS PADA PERSEBARANTINGKAT PENGANGGURAN KABUPATEN/KOTA DI SULAWESI SELATAN. JURNAL VARIAN, 3(2), 103–112. HTTPS://DOI.ORG/10.30812/VARIAN.V3I2.652
Bahauddin, A., Fatmawati, A., & Permata Sari, F. (2021). Analisis Clustering Provinsi Di Indonesia Berdasarkan Tingkat Kemiskinan Menggunakan Algoritma K-Means. Jurnal Manajemen Informatika Dan Sistem Informasi, 4(1), 1–8. https://doi.org/10.36595/misi.v4i1.216
Febianto, N. I., & Palasara, N. (2019). Analisa Clustering K-Means Pada Data Informasi Kemiskinan Di Jawa Barat Tahun 2018. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 8(2), 130–140. https://doi.org/10.32736/sisfokom.v8i2.653
Filki, Y. (2022). Algoritma K-Means Clustering dalam Memprediksi Penerima Bantuan Langsung Tunai (BLT) Dana Desa. Jurnal Informatika Ekonomi Bisnis, 4, 166–171. https://doi.org/10.37034/infeb.v4i4.166
Handoko, S., Fauziah, F., & Handayani, E. T. E. (2020). Implementasi Data Mining Untuk Menentukan Tingkat Penjualan Paket Data Telkomsel Menggunakan Metode K-Means Clustering. Jurnal Ilmiah Teknologi Dan Rekayasa, 25(1), 76–88. https://doi.org/10.35760/tr.2020.v25i1.2677
Kasim, R. J., Bahri, S., & Amir, S. (2021). Implementasi Metode K-Means Untuk Clustering Data Penduduk Miskin Dengan Systematic Random Sampling. Prosiding SISFOTEK, 5(1), 95–101.
Novitasari, N., Nuris, N. D., & Herdiana, R. (2023). Penerapan Algoritma K-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten di Jawabarat menggunakan Rapidminer. Jurnal Informatika Terpadu, 9(1), 68–73. https://doi.org/10.54914/jit.v9i1.660
Nugroho Arif Sudibyo, Ardymulya Iswardani, Kartika Sari, & Siti Suprihatiningsih. (2020). Penerapan Data Mining Pada Jumlah Penduduk Miskin Di Indonesia. Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika Dan Statistika, 1(3), 199–207. https://doi.org/10.46306/lb.v1i3.42
Sari, Y. R., Sudewa, A., Lestari, D. A., & Jaya, T. I. (2020). Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer. CESS (Journal of Computer Engineering, System and Science), 5(2), 192. https://doi.org/10.24114/cess.v5i2.18519
Sunia, D., Kurniabudi, & Alam Jusia, P. (2019). Penerapan Data Mining Untuk Clustering Data Penduduk Miskin Menggunakan Algoritma K-Means. Jurnal Ilmiah
Akramunnisa, A.-, & Fajriani, F. (2020). K-Means Clustering Analysis pada PersebaranTingkat Pengangguran Kabupaten/Kota di Sulawesi Selatan. Jurnal Varian, 3(2), 103–112. https://doi.org/10.30812/varian.v3i2.652
Bahauddin, A., Fatmawati, A., & Permata Sari, F. (2021). Analisis Clustering Provinsi Di Indonesia Berdasarkan Tingkat Kemiskinan Menggunakan Algoritma K-Means. Jurnal Manajemen Informatika Dan Sistem Informasi, 4(1), 1–8. https://doi.org/10.36595/misi.v4i1.216
Febianto, N. I., & Palasara, N. (2019). Analisa Clustering K-Means Pada Data Informasi Kemiskinan Di Jawa Barat Tahun 2018. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 8(2), 130–140. https://doi.org/10.32736/sisfokom.v8i2.653
Filki, Y. (2022). Algoritma K-Means Clustering dalam Memprediksi Penerima Bantuan Langsung Tunai (BLT) Dana Desa. Jurnal Informatika Ekonomi Bisnis, 4, 166–171. https://doi.org/10.37034/infeb.v4i4.166
Handoko, S., Fauziah, F., & Handayani, E. T. E. (2020). Implementasi Data Mining Untuk Menentukan Tingkat Penjualan Paket Data Telkomsel Menggunakan Metode K-Means Clustering. Jurnal Ilmiah Teknologi Dan Rekayasa, 25(1), 76–88. https://doi.org/10.35760/tr.2020.v25i1.2677
Kasim, R. J., Bahri, S., & Amir, S. (2021). Implementasi Metode K-Means Untuk Clustering Data Penduduk Miskin Dengan Systematic Random Sampling. Prosiding SISFOTEK, 5(1), 95–101.
Novitasari, N., Nuris, N. D., & Herdiana, R. (2023). Penerapan Algoritma K-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten di Jawabarat menggunakan Rapidminer. Jurnal Informatika Terpadu, 9(1), 68–73. https://doi.org/10.54914/jit.v9i1.660
Nugroho Arif Sudibyo, Ardymulya Iswardani, Kartika Sari, & Siti Suprihatiningsih. (2020). Penerapan Data Mining Pada Jumlah Penduduk Miskin Di Indonesia. Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika Dan Statistika, 1(3), 199–207. https://doi.org/10.46306/lb.v1i3.42
Sari, Y. R., Sudewa, A., Lestari, D. A., & Jaya, T. I. (2020). Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer. CESS (Journal of Computer Engineering, System and Science), 5(2), 192. https://doi.org/10.24114/cess.v5i2.18519
Sunia, D., Kurniabudi, & Alam Jusia, P. (2019). Penerapan Data Mining Untuk Clustering Data Penduduk Miskin Menggunakan Algoritma K-Means. Jurnal Ilmiah Mahasiswa Teknik Informatika, 1(2), 121–134.
Waruwu, A., Yetri, M., & Setiawan, F. (2023). Implementasi Data Mining Dalam Mengelompokkan Data penduduk Kurang Mampu Menggunakan Metode K-Means Clustering. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 2(6), 945. https://doi.org/10.53513/jursi.v2i6.8965
Yulia, & Silalahi, M. (2021). Penerapan Data Mining Clustering Dalam Mengelompokan Buku Dengan Metode K-Means. Indonesian Journal of Computer Science, 10(1). https://doi.org/10.33022/ijcs.v10i1.3008
Mahasiswa Teknik Informatika, 1(2), 121–134.
Waruwu, A., Yetri, M., & Setiawan, F. (2023). Implementasi Data Mining Dalam Mengelompokkan Data penduduk Kurang Mampu Menggunakan Metode K-Means Clustering. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 2(6), 9https://doi.org/10.53513/jursi.v2i6.8965
Yulia, & Silalahi, M. (2021). Penerapan Data Mining Clustering Dalam Mengelompokan Buku Dengan Metode K-Means. Indonesian Journal of Computer Science, 10(1). https://doi.org/10.33022/ijcs.v10i1.3008
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Mohammad Farhan Rizaldy, Tati Suprapti, M.Kom, Gifthera Dwilestari, S.I.Kom., M.Kom
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Pelita : Jurnal Penelitian dan Karya Ilmiah this site and metadata is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License
