Claim Missing Document
Check
Articles

Found 1 Documents
Search

Integrasi Particle Swam Optimization Menggunakan K-Means untuk Klasterisasi Pengangguran di Kota Pagar Alam Deka Agustina; Yogi Isro Mukti; Siti Muntari
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 3 No 1 (2023): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v3i1.543

Abstract

Penelitian ini dilatar belakangi oleh masalah pengangguran yang masih signifikan di kota Pagar Alam yang akan berdampak pada kondisi ekonomi maupun sosial, semakin tinggi tingkat pengangguran menandakan masih adanya ketimpangan antara pencari kerja dan kesempatan kerja itu sendiri. Tujuan dari penelitian ini adalah untuk mengklasterisasi pengangguran di kota Pagar Alam menggunakan K-Means yang dioptimasi menggunakan Particle Swam Optimization (PSO). Metode data mining yang di gunakan yaitu Cross Industry Standered Process For Data Mining (CRIP-DM) yang terdiri dari 6 tahapan dimulai dari busssines understanding, data preparation, modeling, evaluation dan deployment. Atribut yang digunakan yaitu, tahun, umur, jenis kelamin, pendidikan dan kecamatan. Menghasilkan 2 cluster, cluster_0 sebanyak 616 dan cluster_1 sebanyak 69. Tahap pengujian menggunakan Davies Bouldin Index untuk mengetahui baik tidaknya performa suatu cluster yang di didapatkan nilai 0.60 , sedangkan pengujian menggunakan Davies Bouldin Index yang sudah dioptimasi dengan particle swam optimization mendaptkan nilai lebih rendah yaitu 0.59 berhasil meningkatkan hasil cluster pada k-means.