Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Generation Journal
Khalif, Assyifa
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasterisasi Tingkat Kemiskinan di Indonesia menggunakan Algoritma K-Means Khalif, Assyifa; Hasanah, Anisa Nur; Ridwan, Muhammad Hafizh; Sari, Betha Nurina
Generation Journal Vol 8 No 1 (2024): Generation Journal
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/gj.v8i1.21470

Abstract

Poverty is one of the deep social challenges around the world and is a major focus in the global development agenda. This article discusses the role of clustering methods in analyzing and understanding poverty issues. We use data from Statistics Indonesia (BPS) on 34 provinces in Indonesia to classify groups of people who are vulnerable to poverty. Clustering analysis helps us identify characteristics that may be overlooked by conventional approaches, which in turn enables the development of more targeted and effective solutions to poverty. We use the K-Means method in our analysis and present it within the framework of the CRISP-DM methodology. The results show that almost 95% of the poor in Indonesia belong to the 'Poor' group. Therefore, we recommend effective actions based on indicators that are the main factors of poverty, as well as designing specific policies for regions with similar characteristics. This article aims to contribute to the global effort to end poverty and achieve the vision of equitable and inclusive sustainable development.
PENGELOMPOKAN TINGKAT KEMISKINAN DI SETIAP PROVINSI DI INDONESIA MENGGUNAKAN ALGORITMA K-MEDOIDS Zahra, Fathimatuz; Khalif, Assyifa; Sari, Betha Nurina
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 2 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kemiskinan adalah keadaan di mana individu atau sekelompok masyarakat tidak memiliki kemampuan untuk memenuhi kebutuhan dasar mereka, seperti pangan, sandang, tempat tinggal, pendidikan, dan layanan kesehatan. Kemiskinan bervariasi menurut provinsi di Indonesia. Tujuan dari penelitian ini adalah untuk mengidentifikasi klaster kemiskinan di setiap negara bagian dengan menggunakan pendekatan algoritma K-Medoids. K-Medoids adalah teknik pengelompokan partisi  yang  mengelompokkan kumpulan objek ke dalam cluster. Penelitian ini menggunakan data  Badan Pusat Statistik (BPS) yang mencakup 34 provinsi di Indonesia pada tahun 2015 hingga 2022. Hasil yang diperoleh adalah terdapat tiga klaster yang berbeda: klaster sangat miskin, klaster miskin, dan klaster rentan miskin. 50% penduduknya tergolong dalam kemiskinan ekstrem, 45% lagi berada dalam kemiskinan, dan sisanya berada dalam kemiskinan rentan. Nilai Silhouette Score sebesar 0,4 menunjukkan  clustering yang dihasilkan sangat baik.
Co-Authors Betha Nurina Sari Hasanah, Anisa Nur Ridwan, Muhammad Hafizh Zahra, Fathimatuz