PENGELOMPOKAN NEGARA BERDASARKAN POPULASI URBAN DENGAN ALGORITMA EXPECTATION-MAXIMIZATION

Authors

  • Farah Mufidah Statistika, Universitas Sebelas Maret
  • Irwan Susanto Statistika, Universitas Sebelas Maret
  • Etik Zukhronah Statistika, Universitas Sebelas Mare

Keywords:

Algoritma EM, Model Finite Mixture, Populasi Urban

Abstract

Urbanisasi dapat diartikan sebagai perpindahan penduduk dari pedesaan menuju perkotaan. Banyak faktor yang menyebabkan masyarakat untuk melakukan urbanisasi. Urbanisasi tidak hanya berhubungan dengan kependudukan saja, namun juga dapat berpengaruh dari sisi politik, sosial budaya, hingga ekonomi. Perlu adanya pengelompokan negara berdasarkan populasi urban untuk mengetahui karakteristik masing-masing negara sehingga negara dapat diperlakukan sesuai dengan karakteristiknya. Penelitian ini menggunakan data populasi urban dunia pada tahun 2019 yaitu jumlah negara sebanyak 214 negara. Pada penelitian ini akan dilakukan pemodelan pada data populasi urban di dunia pada tahun 2019 dengan menggunakan model finite mixture. Data yang dapat dimodelkan dengan pemodelan finite mixture adalah data yang memiliki pola multimodal atau memiliki lebih dari satu jumlah puncak pada histogram sebagai indikasi data memiliki klaster yang berbeda. Estimasi parameter menggunakan estimasi maksimum likelihood melalui algortima Expectation-Maximization (EM). Distribusi populasi urban mempunyai karakteristik data bertipe heavy-tailed.  Hasil estimasi  parameter menunjukkan bahwa model berdistribusi gamma mixture. Proses seleksi model dengan ukuran AIC dan BIC menunjukkan bahwa model yang terbaik adalah model finite  mixture dengan dua komponen gamma.. Klaster pertama mempunyai anggota 187 negara yang mempunyai rata-rata populasi urban sebesar 8.130.222 penduduk dan klaster kedua mempunyai anggota 27 negara yang mempunyai rata-rata populasi urban sebesar 97.833.200 penduduk.

 

 

Downloads

Published

2021-03-20

Issue

Section

Articles