ANALISIS PENDUDUK MISKIN KECAMATAN LANGKE REMBONG MENGGUNAKAN METODE FUZZY C-MEANS CLUSTER

Banur, Yuliana Serafina (2023) ANALISIS PENDUDUK MISKIN KECAMATAN LANGKE REMBONG MENGGUNAKAN METODE FUZZY C-MEANS CLUSTER. S1 thesis, Universitas Atma Jaya Yogyakarta.

Preview	Text (Yuliana Serafina Banur) 170709384_Bab 0.pdf Download (280kB) | Preview
Preview	Text 170709384_Bab 1.pdf Download (316kB) | Preview
Preview	Text 170709384_Bab 2.pdf Download (166kB) | Preview
Preview	Text 170709384_Bab 3.pdf Download (353kB) | Preview
	Text 170709384_Bab 4.pdf Restricted to Registered users only Download (473kB)
	Text 170709384_Bab 5.pdf Restricted to Registered users only Download (1MB)
Preview	Text 170709384_Bab 6.pdf Download (167kB) | Preview

Abstract

Kemiskinan adalah kondisi keterbatasan kemampuan untuk memenuhi kebutuhan hidup secara layak. Kemiskinan merupakan salah satu persoalan yang masih dirasakan oleh negara kita sampai saat ini khususnya dirasakan juga oleh masyarakat kecamatan Langke Rembong, kabupaten Manggarai, pulau Flores, provinsi Nusa Tenggara Timur. Beberapa faktor yang mempengaruhi tingkat kemiskinan secara umum yaitu perkembangan ekonomi, pendidikan, pengangguran serta kependudukan kesehatan. Oleh karena itu, penelitian ini bertujuan untuk mengetahui cara menganalisis data rumah tangga miskin di kecamatan Langke Rembong menggunakan metode clustering dengan algoritma Fuzzy C-means serta mengetahui berapa banyak klaster yang terbentuk menggunakan metode dan algoritma tersebut. Penelitian ini menggunakan metode clustering dengan algoritma Fuzzy C-means. Data yang digunakan untuk proses analisis pada penelitian ini adalah data rumah tangga miskin di Kecamatan Langke Rembong tahun 2015-2021 dengan jumlah data 15.398. Variabel yang digunakan untuk proses clustering adalah jumlah anggota dalam rumah tangga dan penghasilan/pendapatan setiap kepala rumah tangga. Dalam menentukan jumlah cluster optimal menggunakan metode Ellbow dengan melihat grafik dan perbandingan Sum of Square Error pada setiap cluster. Setelah mendapatkan jumlah cluster optimal, proses clustering dilakukan menggunakan library Factoextra dengan fungsi fanny. Hasil metode Ellbow untuk menentukan jumlah cluster optimal menghasilkan 4 klaster dengan karateristik yang berbeda-beda. Berdasarkan proses clustering menggunakan algoritma Fuzzy C-means dengan menggunakan variabel jumlah anggota rumah tangga dan pendapatan/penghasilan menghasilkan 4 klaster yaitu klaster 1 berjumlah 4.647 rumah tangga dengan kategori “Miskin”, klaster 2 berjumlah 4.666 rumah tangga dengan kategori “Hampir Miskin”, klaster 3 berjumlah 2.997 rumah tangga dengan kategori “Tidak Terlalu Miskin”, dan klaster 4 berjumlah 3.088 rumah tangga dengan kategori “Sangat Miskin”.

Actions (login required)

View Item