STUDI PERBANDINGAN METODE CLUSTERING UNTUK MENGUKUR KEAKTIFAN PENDUDUK DALAM KEPEMILIKAN DOKUMEN KEPENDUDUKAN DI KABUPATEN BOJONEGORO
Total View This Week0
Total View This Week0
Institusion
Universitas Nahdlatul Ulama Sunan Giri
Author
Nisa Arofatus Sholikhah (STUDENT ID : 2520170005)
Denny Nurdiansyah (LECTURER ID : 0726058702)
Fetrika Anggraini (LECTURER ID : 0718038803)
Denny Nurdiansyah (LECTURER ID : 0726058702)
Fetrika Anggraini (LECTURER ID : 0718038803)
Subject
518 Analisis numerik, analisa numerik
Datestamp
2022-05-12 06:33:07
Abstract :
Dokumen Kependudukan merupakan data yang dapat membantu masyarakat dalam pemenuhan kebutuhan yang berhubungan dengan keadministrasian pemerintahan. Tingkat urgensitas dalam hal ini dipermudah oleh pemerintah Bojonegoro dengan memanfaatkan aplikasi Sistem Informasi Managemen Kependudukan (SIMDUK), namun dalam prakteknya aplikasi ini kurang efektif karena rendahnya kesadaran masyarakat dalam melengkapi dokumen kependudukan. Untuk mengantisipasi permasalahan ini diperlukan adanya pengelompokan wilayah di kabupaten Bojonegoro dengan metode clustering menurut tingkat keaktifan masyarakat berdasarkan kelengkapan dokumen kependudukan. Tujuan penelitian ini adalah melakukan perbandingan metode metode clustering dalam rangka mendapatkan metode terbaik sehingga bisa digunakan untuk pengelompokan wilayah di Bojonegoro berdasarkan kelengkapan kepemilikan dokumen kependudukan. Metode dalam penelitian ini adalah menerapkan metode clustering yaitu K-Means, K-Medoid, X-Means, dan Density Based Spatial Clustering Algorithm With Noise (DBSCAN) yang mana akan dilakukan studi perbandingan pada penelitian ini untuk mendapatkan metode terbaik. Sumber data yang digunakan merupakan data sekunder berupa data kelengkapan kepemilikan dokumen kependudukan yang berasal dari Dinas Kependudukan dan Catatan Sipil Kabupaten Bojonegoro tahun 2020. Hasil dari penelitian ini diperoleh metode clustering terbaik yaitu metode K-Means dengan performance vector paling rendah -0,697 dalam membentuk 5 cluster yaitu cluster 1 dengan klasifikasi sangat aktif yang beranggotakan 4 kecamatan, cluster 3 dengan klasifikasi aktif beranggotakan 5 kecamatan, cluster 4 dengan klasifikasi cukup aktif beranggotakan 7 kecamatan, cluster 0 dengan klasifikasi kurang aktif beranggotakan 8 kecamatan, dan cluster 2 dengan klasifikasi tidak aktif yang beranggotakan 4 kecamatan. Kesimpulan dalam penelitian ini adalah penerapan metode clustering dapat menjadi alternatif dalam membuat pengelompokan wilayah di setiap kecamatan di kabupaten Bojonegoro berdasarkan keaktifan masyarakat dalam kelengkapan kepemilikan dokumen kependudukan.
Dokumen Kependudukan merupakan data yang dapat membantu masyarakat dalam pemenuhan kebutuhan yang berhubungan dengan keadministrasian pemerintahan. Tingkat urgensitas dalam hal ini dipermudah oleh pemerintah Bojonegoro dengan memanfaatkan aplikasi Sistem Informasi Managemen Kependudukan (SIMDUK), namun dalam prakteknya aplikasi ini kurang efektif karena rendahnya kesadaran masyarakat dalam melengkapi dokumen kependudukan. Untuk mengantisipasi permasalahan ini diperlukan adanya pengelompokan wilayah di kabupaten Bojonegoro dengan metode clustering menurut tingkat keaktifan masyarakat berdasarkan kelengkapan dokumen kependudukan. Tujuan penelitian ini adalah melakukan perbandingan metode metode clustering dalam rangka mendapatkan metode terbaik sehingga bisa digunakan untuk pengelompokan wilayah di Bojonegoro berdasarkan kelengkapan kepemilikan dokumen kependudukan. Metode dalam penelitian ini adalah menerapkan metode clustering yaitu K-Means, K-Medoid, X-Means, dan Density Based Spatial Clustering Algorithm With Noise (DBSCAN) yang mana akan dilakukan studi perbandingan pada penelitian ini untuk mendapatkan metode terbaik. Sumber data yang digunakan merupakan data sekunder berupa data kelengkapan kepemilikan dokumen kependudukan yang berasal dari Dinas Kependudukan dan Catatan Sipil Kabupaten Bojonegoro tahun 2020. Hasil dari penelitian ini diperoleh metode clustering terbaik yaitu metode K-Means dengan performance vector paling rendah -0,697 dalam membentuk 5 cluster yaitu cluster 1 dengan klasifikasi sangat aktif yang beranggotakan 4 kecamatan, cluster 3 dengan klasifikasi aktif beranggotakan 5 kecamatan, cluster 4 dengan klasifikasi cukup aktif beranggotakan 7 kecamatan, cluster 0 dengan klasifikasi kurang aktif beranggotakan 8 kecamatan, dan cluster 2 dengan klasifikasi tidak aktif yang beranggotakan 4 kecamatan. Kesimpulan dalam penelitian ini adalah penerapan metode clustering dapat menjadi alternatif dalam membuat pengelompokan wilayah di setiap kecamatan di kabupaten Bojonegoro berdasarkan keaktifan masyarakat dalam kelengkapan kepemilikan dokumen kependudukan.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
