Studi Perbandingan Clustering Kecamatan di Kabupaten Bojonegoro Berdasarkan Keaktifan Penduduk Dalam Kepemilikan Dokumen Kependudukan
Abstract View: 429,
PDF Download: 465
DOI:
https://doi.org/10.32665/statkom.v1i1.443Keywords:
Dokumen Kependudukan , K-Means , K-Medoid , X-Means , DBSCANAbstract
Latar Belakang: Dokumen kependudukan di Kabupaten Bojonegoro memiliki tingkat kepentingan yang tinggi sehingga pemerintah menyediakan aplikasi Sistem Informasi Manajemen Kependudukan (SIMDUK), namun dalam prakteknya aplikasi ini kurang efektif karena rendahnya kesadaran masyarakat dalam melengkapi dokumen kependudukan. Untuk mengatasi permasalahan ini, diperlukan adanya pengelompokan Kecamatan di Kabupaten Bojonegoro berdasarkan kelengkapan kepemilikan dokumen kependudukan.
Tujuan: Melakukan perbandingan metode-metode clustering dalam rangka mendapatkan metode terbaik sehingga bisa digunakan untuk pengelompokan Kecamatan di Kabupaten Bojonegoro.
Metode: Menerapkan metode kuantitatif berupa metode clustering yaitu K-Means, K-Medoid, X-Means, dan DBSCAN. Metode clustering terbaik dipilih berdasarkan ukuran performance vector terkecil. Sumber data berasal dari data sekunder dari Dinas Kependudukan dan Catatan Sipil Kabupaten Bojonegoro tahun 2020.
Hasil: Diperoleh metode clustering terbaik yaitu metode K-Means dengan performance vector sebesar -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: Metode clustering terbaik yaitu metode K-Means yang berhasil mengelompokkan Kecamatan di Kabupaten Bojonegoro berdasarkan kelengkapan kepemilikan dokumen kependudukan, serta menginformasikan banyaknya kecamatan yang kurang aktif.
References
Adhitama, R., Burhanuddin, A., & Febriani, A. (2021). Penerapan X Means Clustering Pada UMKM Kab Banyumas Yang Mendukung Mega Shifting Consumer Behavior Akibat Covid- 19. Journal of Informatics, Information System, Software Engineering and Applications, 4(1), 71–80.
Aditia, D. R., Widyanto, R. A., & Primadewi, A. (2020). Rancang Bangun Sistem Informasi Situs Bersejarah Berbasis Web. Jurnal Komtika (Komputasi Dan Informatika), 3(1), 28–33. https://doi.org/10.31603/komtika.v3i1.3465
Anggreini, N. L., & Tresnawati, S. (2020). Komparasi Algoritma K-Means Dan K-Medoids Untuk Menangani Strategi Promosi Di Politeknik TEDC Bandung. Jurnal TEDC, 14(2), 120–127.
Blogbojonegoro. (2020). Permudah Layanan Kependudukan, Pemkab Luncurkan Aplikasi Online. https://blokbojonegoro.com/2020/05/29/permudah-layanan-kependudukan-pemkab-luncurkan-aplikasi-online/
Budiman, S., Safitri, D., & Ispriyanti, D. (2016). Perbandingan Metode K-Means Dan Metode DBSCAN Pada Pengelompokan Rumah Kost Mahasiswa Di Kelurahan Tembalang Semarang. Jurnal Gaussian, 5(4), 757–762.
Devi, A. S., Putra, I. K. G. D., & Sukarsa, I. M. (2015). Implementasi Metode Clustering DBSCAN pada Proses Pengambilan Keputusan. Lontar Komputer : Jurnal Ilmiah Teknologi Informasi, 6(3), 185–191. https://doi.org/10.24843/LKJITI.2015.v06.i03.p05
Dinasdukcapil. (2020). Aplikasi Pendaftaran Administrasi Kependudukan. https://dinasdukcapil.bojonegorokab.go.id/berita/baca/18
Hidayattullah, B. H. (2017). Kualitas Pelayanan Publik Bidang Administrasi Kependudukan Di Kecamatan Wonocolo Surabaya. JPAP: Jurnal Penelitian Administrasi Publik, 3(2), 734–739. https://doi.org/10.30996/jpap.v3i2.1253
Indonesia, P. R. (2019). Pelaksanaan Undang-Undang Nomor 23 Tahun 2006 Tentang Administrasi Kependudukan Sebagaimana Telah Diubah Dengan Undang-Undang Nomor 24 Tahun 2013 Tentang Perubahan Atas Undang-Undang Nomor 23 Tahun 2006 Tentang Administrasi Kependudukan. Lembaran Negara Republik Indonesia Nomor 6354, 1–13.
Kamila, I., Khairunnisa, U., & Mustakim. (2019). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau. Jurnal Ilmiah Rekayasa Dan Manajemen Sistem Informasi, 5(1), 119–125.
Mardalius, M. (2018). Pemanfaatan Rapid Miner Studio 8.2 Untuk Pengelompokan Data Penjualan Aksesoris Menggunakan Algoritma K-Means. JURTEKSI (Jurnal Teknologi Dan Sistem Informasi), 4(2), 123–132. https://doi.org/10.33330/jurteksi.v4i2.36
Maruapey, M. H. (2019). Urgensi Tata Kelola Inovasi Perekaman Data Dan Dokumen Kependudukan. Jurnal Governansi, 5(1), 54–69. https://doi.org/10.30997/jgs.v5i1.1705
Mughnyanti, M., Efendi, S., & Zarlis, M. (2020). Analysis of determining centroid clustering x-means algorithm with davies-bouldin index evaluation. IOP Conference Series: Materials Science and Engineering, 725(1), 012128. https://doi.org/10.1088/1757-899X/725/1/012128
Naeem, S., & Wumaier, A. (2018). Study and Implementing K-mean Clustering Algorithm on English Text and Techniques to Find the Optimal Value of K. International Journal of Computer Applications, 182(31), 7–14. https://doi.org/10.5120/ijca2018918234
Pramesti, D. F., Furqon, M. T., & Dewi, C. (2017). Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas(Hotspot). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 1(9), 723–732.
Radwan, A., Kamarudin, N., Solihin, M. I., Leong, H., Rizon, M., Desa, H., & Azizan, M. A. Bin. (2020). X -means Clustering for Wireless Sensor Networks. Journal of Robotics, Networking and Artificial Life, 7(2), 111–115. https://doi.org/10.2991/jrnal.k.200528.008
Rahmawati, L., Widya Sihwi, S., & Suryani, E. (2016). Analisa Clustering Menggunakan Metode K-Means Dan Hierarchical Clustering (Studi Kasus : Dokumen Skripsi Jurusan Kimia, FMIPA, Universitas Sebelas Maret). Jurnal Teknologi & Informasi ITSmart, 3(2), 66. https://doi.org/10.20961/its.v3i2.654
Safitri, D., Wuryandari, T., & Rahmawati, R. (2017). Metode DBSCAN Untuk Pengelompokan Kabupaten/Kota Di Provinsi Jawa Tengah Berdasarkan Produksi Padi Sawah Dan Padi Ladang. Jurnal Statistika, 5(1), 8–13.
Silitonga, P. (2016). Analisis Pola Penyebaran Penyakit Pasien Pengguna Badan Penyelenggara Jaminan Sosial (Bpjs) Kesehatan Dengan Menggunakan Metode DBSCAN Clustering (Studi Kasus Rumah Sakit Umum Pusat Haji Adam Malik Medan). Jurnal TIMES, 5(1), 36–39.
Wijayanto, A. (2019). Penggunaan X-Means Clustering Method untuk Mengelompokkan Potensi Sekolah Menengah Unggul di Kabupaten Banyumas. Journal of Informatics, Information System, Software Engineering and Applications (INISTA), 2(1), 80–88. https://doi.org/10.20895/inista.v2i1.99
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 STATKOM : Jurnal Statistika dan Komputasi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish in this Journal agree to the following terms:
- The author retains copyright and grants the Journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allows others to share the work within an acknowledgement of the work’s authorship and initial publication of this Journal.
- Authors can enter into a separate, additional contractual arrangement for the non-exclusive distribution of the Journal’s published version of the work (e.g. acknowledgement of its initial publication in this Journal).
- Authors are permitted and encouraged to post their work online (e.g. in institutional repositories or on their websites) before and during the submission process, as it can lead to productive exchanges and earlier and more extraordinary citations of published works.
Abstract View: 429,
PDF Download: 465
