Perbandingan Algoritma K-Means dan SFCM Pada Pengelompokkan Rumah Tangga Miskin

Main Article Content

Wiwi Widayani
Harliana Harliana

Abstract

Secara definisi rumah tangga miskin dan penduduk miskin memiliki sudut pandang yang berbeda, dimana definisi rumah tangga miskin akan lebih ditekankan kepada individu yang akan dijadikan survey dalam menentukan penduduk miskin sedangkan penduduk miskin lebih kepada kumpulan dari beberapa rumah tangga miskin. Penelitian ini dilakukan untuk membandingkan antara algoritma K-Means dan Fuzzy Substractive Clustering (SFCM) dalam mengelompokkan rumah tangga miskin. Kedua algoritma ini akan dibandingkan berdasarkan simpangan baku dan validitas hasil pengelompokkan yang dihasilkan. Berdasarkan 6 pengujian yang telah dilakukan, maka didapatkan hasil bahwa dari sisi waktu algoritma K-Means mampu mengelompokkan lebih cepat bila dibandingkan dengan algoritma SFCM, namun dari sisi simpangan baku kelompok, simpangan baku antar kelompok, maupun akurasi maka algoritma SFCM memiliki performa yang lebih baik bila dibandingkan dengan algoritma K-Means

Article Details

Section
Articles

References

[1] BPS, “Kabupaten Brebes Dalam Angka,” in Kabupaten Brebes Dalam Angka, 2019th ed., Brebes: BPS Kabupaten Brebes, 2019.
[2] Badan Ketahanan Pangan, “Badan ketahanan pangan kabupaten cirebon DENGAN VECTORIAL PROJECT ANALYSIS ( V P A ) Vectorial Project Analysis ( VPA ),” in Monotoring dan Evaluasi Kemiskinan, III., vol. 5, Badan Ketahanan Pangan, Ed. Kabupaten Cirebon: Badan Ketahanan Pangan Kabupaten Cirebon, 2016.
[3] A. Ulfah and S. ‘uyun, “Analisis Kinerja Algoritma Fuzzy C-Means Dan K-Means Pada Data Kemiskinan,” Jatisi, vol. Vol. 1, no. No. 2, pp. 139–148, 2015.
[4] S. S. P. Luka, I. M. Candiasa, and K. Y. E. Aryanto, “ANALISIS PEMBENTUKAN KELOMPOK DISKUSI PANEL SISWA MENGGUNAKAN ALGORITMA FUZZY C-MEANS DAN K-MEANS,” J. Pendidik. Teknol. dan Kejuru., vol. 16, no. 2, pp. 267–277, 2019.
[5] B. N. Haqiqi and R. Kurniawan, “Analisis perbandingan metode,” Media Stat., vol. 2, no. 2, pp. 1–15, 2015.
[6] B. Dimas Sanjaya, S. A Kadir, and F. Bahri, “Analisis Kemiskinan di Kota Pagar Alam,” J. Ekon. Pembang., vol. 16, no. 2, pp. 81–93, 2019.
[7] P. Anita Rahman, Firman, and Rusdinal, “Kemiskinan Dalam Perspektif Ilmu Sosiologi,” J. Pendidik. Tambusai, vol. 3, no. 6, pp. 75–84, 2019.
[8] BKP, “Tahapan Tingkat Kesejahteraan Rumahtangga Miskin Pangan,” Kabupaten Cirebon, 2016.
[9] R. W. Sari, A. Wanto, and A. P. Windarto, “Implementasi Rapidminer Dengan Metode K-Means (Study Kasus: Imunisasi Campak Pada Balita Berdasarkan Provinsi),” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 2, no. 1, pp. 224–230, 2018.
[10] A. Asroni, H. Fitri, and E. Prasetyo, “Penerapan Metode Clustering dengan Algoritma K-Means pada Pengelompokkan Data Calon Mahasiswa Baru di Universitas Muhammadiyah Yogyakarta (Studi Kasus: Fakultas Kedokteran dan Ilmu Kesehatan, dan Fakultas Ilmu Sosial dan Ilmu Politik),” Semesta Tek., vol. 21, no. 1, pp. 60–64, 2018.
[11] Rahmawati, Wartono, and A. Y. Putri, “Pengklasteran Tingkat Pendidikan Pegawai Menggunakan Metode Fuzzy Substractive Clustering ( Studi Kasus : Badan Kepegawaian dan Pelatihan Daerah Provinsi Riau ),” vol. 5, no. 1, pp. 79–89, 2019.
[12] M. Goreti, Y. N. N, and S. Wahyuningsih, “Perbandingan Hasil Analisis Cluster dengan Menggunakan Metode Single Linkage dan Metode C-Means,” J. EKSPONENSIAL, vol. 7, no. 1, pp. 9–16, 2016.
[13] B. K. Amijaya, M. T. Furqon, and C. Dewi, “Clustering Titik Panas Bumi Menggunakan Algoritme Affinity Propagation,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 10, pp. 3835–3842, 2018.
[14] R. F. Amanullah, A. Pujianto, B. T. Pratama, and Kusrini, “Deteksi Motif Batik Menggunakan Ekstraksi Tekstur dan Jaringan Syaraf Tiruan,” CSRID (Computer Sci. Res. Its Dev. J., vol. 10, no. 2, pp. 31–36, 2018.