ANALISIS DATA MINING PENGELOMPOKAN DATA WARGA MENGGUNAKAN METODE STATISTIK K-MEANS UNTUK MEREKOMENDASIKAN PEKERJAAN SAMPINGAN

Authors

  • Lisna Zahrotun Program Studi Teknik Informatika, Fakultas Teknologi Industri, Universitas Ahmad Dahlan
  • Utaminingsih Linarti Program Studi Teknik Informatika, Fakultas Teknologi Industri, Universitas Ahmad Dahlan

Keywords:

K-Means Clustering, Kelompok Ekonomi, Kesejahteraan, Pekerjaan Tambahan

Abstract

Perekonomian Indonesia yang semakin berkembang menjadikan pemerintah perlu memperhatikan tingkat  kesejahteraan masyarakat.  Peningkatan kesejahteraan masyarakat  diprioritaskan untuk kelompok masyarakat dengan tingkat perekonomian paling rendah. Pengelompokan tingkat perekonomian masyarakat yang sudah ada belum tertata sehingga terkadang terjadi kesalahan sasaran, tidak sesuai dengan tingkat perekonomian.Dalam penelitian ini metode yang digunakan adalah k-Mean clustering. Dimana k-means clustering merupakan metode pengelompokan yang mudah, efisien dan efektif. Selain metode k-means juga dilakukan metode statistik dalam menentukan standart deviasi. Studi kasus dilakukan di desa Babadan, Bantul, Indonesia. Hasil dari penelitian ini  adalah terbentuknya tiga  cluster  berdasarkan atribut  usia,  pendidikan, dan  jenis pekerjaan. Cluster yang pertama dihasilkan cluster dengan usia 43,16 tahun dan pendidikan terakhir SLTA memiliki pekerjaan sebagai wirausaha. Cluster kedua dihasilkan cluster dengan usia 44,83 tahun dan pendidikan terakhir SLTA memiliki pekerjaan sebagai buruh. Cluster yang ketiga dengan usia 43,16 tahun dan pendidikan terakhir Srata 1 memiliki pekerjaan sebagai PNS. Sehingga pada cluster kedua yang menjadi prioritas dalam peningkatan kesejahteraan dengan memberikan tambahan pekerjaan sampingan

 

Downloads

Download data is not yet available.

References

Agusta, Y., 2007. K-Means – Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem dan informatika, 3 (Februari), pp.47–60.
Felicia, L., Penerapan Metode Clustering Dengan K-Means Untuk Memetakan Potensi Tanaman Padi Di Kota Semarang. , pp.1–5.
Han, J. & Kamber, M., 2001. Data Mining Concepts and Techniques, San Diego: Morgan Kaufmann.
Handoyo, R. et al., 2014. Perbandingan Metode Clustering Mengggunakan metode Single Linkage dan K-Means Pada Pengelompokkan Dokumen. JSM STMIK Mikroskil, 15(2), pp.73–82.
N et al., 2012. Aplikasi K-Means Untuk pengelompokkan Rumah tangga di Salatiga berdasarkan Data Susenas 2011 In Pekan Imiah Dosen FEB- UKSW. pp. 353–372.
Nugroho, C.A., Hendrawan, R. & Hafidz, I., 2012. Clustering Kelompok Swadaya Masyarakat ( KSM ) dalam Menentukan Kebijakan Bantuan Badan Pemberdayaan Masyrakat di Kota Surabaya dengan. Jurnal Teknik ITS, 1(1), pp.A368–A373.
Ong, J.O., 2013. Implementasi Algoritma K- Means Clustering Untuk Menetukan Strategi Marketing. Jurnal Ilmiah Teknik Industri, 12(Juni), pp.10–20.
Ramdhani, F., Hoyyi, A. & Mukid, M. abdul,
2015. Pengelompokkan Provinsi di Indonesia Berdasarkan Karakteristik Kesejahteraan Rakyat Menggunakan Metode K-Means cluster. Jurnal Gaussian, 4(4), pp.875–884.
Roestam, S. 1993. Pembangunan Nasional untuk Kesejahteraan Rakyat. Jakarta: Kantor Menteri Koordinator Bidang Kesejahteraan Rakyat Republik Indonesia.
Santosa, B., 2007. Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis, Yogyakarta: Graha Ilmu.
Suryana, N., 2011. Penggunaan Metode Statistik K-Means Clustering pada Analisis Peruntukan Lahan Usaha Tambang Berbasis Sistem Informasi Geografi. Jurnal Statistik, 11(1), pp.7–20.
Syafrianto, A., 2012. Perancangan aplikasi k- means untuk pengelompokan mahasiswa stmik elrahma yogyakarta berdasarkan frekuensi kunjungan ke
perpustakaan dan ipk. Jurnal Teknologi Informasi dan ilmu komputer (FAHMA).
Tang, ZhaoHui; MacLennan, Jamie. 2005. Data Mining with SQL Server 2005. Indiana Polis : Wiley Publishing
Zahrotun, L., 2015. Analisis PengelompokkanJumlah Penumpang Bus Trans Jogja Menggunakan metode Clustering K-Means dan Agglomerative Hierarchical Clustering (AHC). jurnal Informatika, 9(1), pp.1039–1047.

Downloads

Published

2016-06-30

How to Cite

Zahrotun, L., & Linarti, U. (2016). ANALISIS DATA MINING PENGELOMPOKAN DATA WARGA MENGGUNAKAN METODE STATISTIK K-MEANS UNTUK MEREKOMENDASIKAN PEKERJAAN SAMPINGAN. Jurnal Teknologi, 9(1), 18–23. Retrieved from https://ejournal.akprind.ac.id/index.php/jurtek/article/view/1134

Issue

Vol. 9 No. 1 (2016): Jurnal Teknologi

Section

Articles

License

Jurnal Teknologi provides immediate open access to its content in order of making research freely available to the public to support a global exchange of knowledge. All articles published in this journal are free for everyone to read and download, under licence CC BY SA. 

Benefits of open access for the author, include:

  • Free access for all users worldwide.
  • Authors retain copyright to their work.
  • Increased visibility and readership.
  • No spatial constraints.