Article Per Year (5 Year)
p-Index From 2021 - 2026
3.137
P-Index
This Author published in this journals
All Journal BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan CAUCHY: Jurnal Matematika Murni dan Aplikasi BAREKENG: Jurnal Ilmu Matematika dan Terapan Sarwahita : Jurnal Pengabdian Kepada Masyarakat Insan Cita Jurnal Pengabdian Kepada Masyarakat Parameter: Journal of Statistics
Dadan Kusnandar
Department Of Statistics, Tanjungpura University
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search
Journal : BIMASTER

 1   2 
ANALISIS POLA SPASIAL KEBAKARAN HUTAN DI KALIMANTAN BARAT MENGGUNAKAN GETIS-ORD (GI*) STATISTIC DAN INDEKS MORAN Prianti, Sabrina Eka; Kusnandar, Dadan; Debataraja, Naomi Nessyana; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i6.89234

Abstract

Kebakaran hutan adalah suatu keadaan dimana api menghanguskan sebagian atau keseluruhan hutan sehingga menimbulkan kerusakan yang mengakibatkan kerugian terhadap perekonomian dan nilai lingkungan hidup. Kebakaran hutan dapat terjadi berulang tiap tahunnya. Penelitian ini bertujuan untuk menentukan daerah signifikansi hotspot, pola spasial dan korelasi antar titik api di Kalimantan Barat. Daerah signifikansi hotspot dianalisis dengan Getis Ord (Gi*) Statistic. Pola spasial dan korelasi antar titik api dianalisis dengan Indeks Moran. Data yang digunakan yaitu data titik api dari instrumen MODIS citra satelit Terra dan Aqua. Hasil analisis Getis Ord (Gi*) Statistic menunjukkan konsentrasi titik api tertinggi tahun 2018 terjadi pada Kabupaten Kayong Utara, Kubu Raya, Mempawah, Sambas dan Kota Pontianak. Tahun 2019 terjadi pada Kabupaten Kayong Utara, Ketapang dan Sambas. Tahun 2020 terjadi pada Kabupaten Bengkayang, Kubu Raya, Landak, Mempawah dan Sambas. Tahun 2021 terjadi pada Kota Pontianak, Kabupaten Kubu Raya dan Mempawah. Tahun 2022 terjadi pada Kabupaten Bengkayang, Landak, Mempawah, Sambas dan Kota Singkawang. Kejadian kebakaran hutan berulang di Kalimantan Barat yang tergolong dalam signifikansi hotspot paling banyak terjadi di Kabupaten Sambas yaitu tahun 2018, 2019, 2020, dan 2022. Selain itu, analisis Indeks Moran menunjukkan bahwa Kebakaran Hutan di Kalimantan Barat tahun 2018-2022 terdapat autokorelasi spasial antar titik api dan pola spasialnya menghasilkan pola yang berkelompok (clustered).  Kata Kunci :  titik api, Getis Ord (Gi*) Statistic, Indeks Moran.
PERAMALAN INTENSITAS CURAH HUJAN DI KOTA PONTIANAK DENGAN METODE VECTOR AUTOREGRESSIVE Hutami, Bintang Ratna; Kusnandar, Dadan; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i5.84844

Abstract

Kota Pontianak mengalami curah hujan yang tidak menentu, hal tersebut sejalan dengan pendapat World Wildlife Fund For  Nature (WWF) Indonesia beberapa tahun terakhir ini perubahan iklim global terasa ditandai dengan tidak menentunya perputaran musim kemarau maupun musim penghujan. Untuk mengetahui perubahan pola hujan tersebut maka perlu peramalan curah hujan dan menganalisis pola hujan yang akan datang. Pada penelitian ini menggunakan data curah hujan, kecepatan angin, tekanan udara, temperatur udara, dan kelembaban udara yang masing-masing datanya berupa data time series, sehingga metode peramalan yang dapat digunakan adalah metode Vector Autoregressive. Penelitian ini bertujuan untuk menentukan model dan hasil peramalan curah hujan bulan November dan Desember 2022 di Kota Pontianak. Studi kasus yang digunakan pada penelitian ini adalah data kelembaban udara, temperatur udara, kecepatan angin, tekanan udara dan curah hujan bulan Januari 2018 sampai Oktober 2022. Hasil analisis yang diperoleh adalah hasil peramalan    data curah hujan bulan November 2022 sebesar 261,5918 mm sedangkan data curah hujan bulan Desember 2022 sebesar 223,7606 mm. Model VAR yang terbentuk adalah VAR (7), maka    dapat disimpulkan    variabel-variabel yang digunakan saling berpengaruh tidak hanya pada bulan Juni, Juli, Agustus, September, Oktober,    November, Desember 2018 namun juga pada bulan Juni, Juli, Agustus, September, Oktober, November, Desember sebelumnya di 2017. Selain itu diperoleh MAPE peramalan curah hujan pada bulan November dan Desember 2022 yaitu 45,563%.  Kata Kunci:  Curah Hujan, VAR, VAR (7)
PENERAPAN REGRESI RIDGE ROBUST-M DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA DATA STUNTING DI INDONESIA Fiqriah, Isnaini; Martha, Shantika; Kusnandar, Dadan
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i4.78042

Abstract

Multikolinearitas dan pencilan merupakan permasalahan yang menyebabkan model yang   diperoleh kurang akurat sehingga perlu diatasi agar model menjadi lebih stabil. Kedua permasalahan tersebut   dapat diatasi secara bersamaan menggunakan metode regresi Ridge Robust-M yang merupakan penggabungan dari metode regresi Ridge dan regresi Robust dengan estimasi M. Tujuan dari penelitian ini adalah menerapkan metode regresi Ridge Robust-M dalam mengatasi multikolinearitas dan pencilan pada data yang digunakan dan membentuk model regresi Ridge Robust-M. Data sekunder yang digunakan merupakan data stunting dari setiap provinsi di Indonesia tahun 2021. Variabel dependen yang digunakan adalah kejadian stunting Y, sedangkan variabel independen yang digunakan adalah persentase pemberian tablet tambah darah X1, imunisasi BCG X2, imunisasi polio X3, imunisasi DPT-Hb-Hib3 X4, inisisasi menyusu dini X5, antenatal pertama X6 dan sanitasi layak X7. Dalam proses analisis pada penelitian ini dilakukan terlebih dahulu pemodelan regresi linear berganda. Kemudian menghitung nilai penduga parameter regresi Robust-M. Setelah itu,  menghitung nilai penduga parameter regresi Ridge Robust-M   dengan memasukkan nilai dugaan parameter regresi Robust-M kedalam rumus penduga tetapan c* pada regresi Ridge. Setelah nilai tetapan bias diperoleh, maka selanjutnya membentuk model persamaan regresi Ridge Robust-M untuk mengatasi multikolinearitas dan pencilan pada data. Hasil dari penelitian ini diperoleh model persamaan Ridge Robust-M yang tidak mengandung multikolinearitas dimana hal ini dapat ditunjukkan dengan semua variabel independen memiliki nilai VIF kurang dari 10. Selain itu terdapat penurunan bobot pencilan sehingga dapat dikatakan bahwa masalah pencilan telah teratasi. Variabel X1, X2, X6 dan X7  berpengaruh signifikan secara parsial terhadap kejadian stunting.    Kata Kunci: stunting, multikolinearitas, pencilan, regresi Ridge Robust-M.
REGRESI LOGISTIK ORDINAL DENGAN PROPORTIONAL ODDS MODEL PADA KELENGKAPAN IMUNISASI DASAR BALITA KALIMANTAN BARAT Rahmawati, Fenti Nurdiana; Satyahadewi, Neva; Martha, Shantika; Kusnandar, Dadan
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i6.87661

Abstract

Kalimantan Barat menduduki posisi tujuh terendah pada persentase imunisasi dasar lengkap tahun 2022. Regresi logistik ordinal  dapat  digunakan untuk menentukan faktor yang memengaruhi kelengkapan imunisasi. Salah satu model yang umum digunakan dalam regresi logistik ordinal adalah proportional odds model. Data yang digunakan merupakan data sekunder yang  berasal  dari Badan Pusat Statistik (BPS) yakni  data Survei Sosial-Ekonomi Nasional (Susenas) 2022. Sampel  penelitian sebanyak 277  memiliki kriteria anak balita usia 12-59 bulan yang melakukan imunisasi dan tidak imunisasi di Provinsi Kalimantan Barat.  Variabel dependen yang digunakan yaitu kelengkapan imunisasi, sedangkan variabel independennya yaitu  daerah administratif (X1),  kepemilikan buku Kesehatan Ibu dan Anak (KIA)/Kartu Menuju Sehat (KMS) (X2),  dan klasifikasi wilayah (X3).  Tujuan penelitian ini adalah menganalisis hasil regresi logistik ordinal dengan proportional odds model dan menentukan variabel independen yang secara signifikan berpengaruh terhadap kelengkapan imunisasi dasar anak balita di Provinsi Kalimantan Barat. Proses analisis diawali dengan melakukan uji multikolinearitas dengan kriteria Variance Inflation Factor (VIF) ≤ 10. Setelah variabel independen terbebas dari multikolinearitas, dilakukan estimasi parameter, pembentukan model regresi, uji simultan dengan uji rasio likelihood, uji parsial dengan uji Wald, pengujian koefisien determinasi dengan pseudo R-square Nagelkerke, uji asumsi parallel lines, uji kecocokan model, perhitungan nilai odds ratio, diikuti interpretasi. Berdasarkan hasil analisis,  diperoleh kesimpulan bahwa pseudo R-square Nagelkerke menunjukkan kemampuan variabel independen menjelaskan variabel dependen sebesar 15,5%,  sedangkan  84,5% faktor lain di luar model.    Berdasarkan model  yang dihasilkan  diketahui bahwa variabel X2 dan X3 signifikan berpengaruh terhadap kelengkapan imunisasi, sedangkan  variabel  X1 tidak berpengaruh signifikan terhadap kelengkapan imunisasi.  Kata Kunci :  susenas, parallel lines, pseudo r-square nagelkerke.
PEMODELAN INDEKS PEMBANGUNAN KESEHATAN MASYARAKAT DI KALIMANTAN BARAT MENGGUNAKAN STRUCTURAL EQUATION MODELING-PARTIAL LEAST SQUARE Febriani, Nindy; Kusnandar, Dadan; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77709

Abstract

Permasalahan kesehatan merupakan permasalahan yang cukup kompleks pada setiap negara karena melibatkan banyak aspek. Partial Least Square (PLS) adalah suatu bentuk model persamaan struktural yang menggunakan komponen atau varian sebagai dasarnya. PLS merupakan metode alternatif yang mengubah pendekatan SEM dari berfokus pada kovarian menjadi berfokus pada varian. SEM kovarian biasanya menguji model sebab akibat, sementara PLS menguji outer model dan inner model. IPKM adalah parameter kesehatan yang digunakan untuk mengukur dan memberi gambaran permasalahan kesehatan masyarakat di Indonesia. Dalam penelitian ini digunakan data sekunder, yaitu data indeks pembangunan kesehatan masyarakat tahun 2018. Tujuan penelitian ini adalah untuk memodelkan indeks pembangunan kesehatan masyarakat (IPKM) di Provinsi Kalimantan Barat dengan menggunakan structural equation modeling-partial least square. Model SEM-PLS kemudian dibangun untuk menganalisis hubungan antarvariabel. Hasil analisis menunjukkan bahwa tidak terdapat variabel yang berpengaruh secara signifikan terhadap IPKM. Dengan nilai R-square sebesar 0,955 untuk variabel IPKM. Meskipun memiliki nilai R-square yang tinggi, artinya model yang diperoleh baik. Namun, tidak terdapat koefisien jalur yang signifikan. Ini menunjukkan bahwa meskipun model baik dalam menjelaskan data, hubungan antara variabel-variabel tidak terbukti secara statistik.  Kata Kunci : IPKM, SEM, PLS.
IMPLEMENTASI ALGORITMA K-MEDOIDS DAN CLUSTERING LARGE APPLICATIONS (CLARA) DENGAN OPTIMASI SILHOUETTE COEFFICIENT (Studi Kasus: Pengelompokan Indeks Pembangunan Manusia Berdasarkan Kabupaten/Kota di Indonesia) Ayuni, Anisa Putri; Kusnandar, Dadan; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.76959

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator untuk menilai keberhasilan pembangunan manusia yang ditinjau melalui kualitas hidup. Pengelompokan IPM perlu dilakukan untuk mengetahui derajat kesejahteraan dan kemajuan penduduk. Upaya yang bisa diterapkan untuk mengetahui  pengelompokan kabupaten/kota dengan nilai IPM tertinggi sampai terendah melalui analisis cluster. Analisis cluster yang dapat digunakan yakni algoritma K-Medoids dan CLARA. Algoritma K-Medoids dan CLARA memanfaatkan titik data untuk mewakili pusat cluster sehingga titik data yang terpilih dinamakan dengan medoids. Penelitian ini bertujuan untuk menganalisis hasil pengelompokan kabupaten/kota berlandaskan indikator pembentuk IPM menggunakan algoritma K-Medoids dan CLARA serta menganalisis perbandingan nilai silhouette coefficients optimal pada algoritma K-Medoids dan CLARA. Penelitian ini memanfaatkan data sekunder yang didapat dari Badan Pusat Statistik (BPS) tahun 2022. Variabel yang dianalisis mencakup umur harapan hidup ( ), harapan lama sekolah ( ), rata-rata lama sekolah ( ), dan pengeluaran per kapita ( ).   Pengelompokan dengan K-Medoids menghasilkan 358 kabupaten/kota yang tergabung dalam cluster dengan nilai IPM sedang dan 156 kabupaten/kota tergabung dalam cluster dengan nilai IPM tinggi. Sementara itu, pengelompokan dengan CLARA menghasilkan 426 kabupaten/kota yang tergabung dalam cluster dengan nilai IPM sedang dan 88 kabupaten/kota tergabung dalam cluster dengan nilai IPM tinggi. Algoritma CLARA merupakan algoritma yang optimal dengan nilai silhouette coefficient paling tinggi yakni sebesar 0,438.  Kata Kunci : IPM, CLARA, K-Medoids, Silhouette Coefficient.
PEMODELAN ARIMA-ANN PADA HARGA SAHAM BANK MANDIRI Fadhillah, Rahmi; Kusnandar, Dadan; Huda, Nur’ainul Miftahul
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74370

Abstract

Saham adalah salah satu instrumen pasar keuangan yang paling populer. Dalam sektor perbankan, Bank Mandiri memiliki nilai aset saham terbesar, sehingga perlu dilakukan peramalan untuk kebijakan perusahaan. Pada penelitian ini harga saham Bank Mandiri mengandung komponen linier dan nonlinier. Metode peramalan yang digunakan adalah metode hybrid ARIMA-ANN gabungan model Autoregressive Integrated Moving Average (ARIMA) dan Artificial Neural Network (ANN). Penelitian ini bertujuan untuk memodelkan data dan mengetahui akurasi peramalan harga saham Bank Mandiri. Studi kasus yang digunakan adalah harga penutupan saham pada Bank Mandiri periode Januari 2021 hingga Desember 2022. Langkah pertama dilakukan pembentukan model ARIMA menggunakan data training dan menentukan residual ARIMA. Apabila residual ARIMA nonlinier, maka dapat dimodelkan dengan ANN. Hasil penelitian ini adalah model ARIMA (0,1,1) dan model ANN dengan 4 neuron pada hidden layer. Nilai MAPE training dan testing hybrid ARIMA"“ANN sebesar 1,32% dan 5,49%. Akurasi peramalan harga saham memilki nilai MAPE kurang dari 10% yang menunjukkan metode hybrid ARIMA-ANN tergolong sangat baik.  Kata Kunci : ARIMA, ANN, Harga Saham Bank Mandiri
PENDUGAAN DATA HILANG MENGGUNAKAN PERBANDINGAN IMPUTASI HOT-DECK DAN K-NEAREST NEIGHBOR Handayany, Indry; Kusnandar, Dadan; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 4 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i4.68323

Abstract

Data hilang digambarkan sebagai keadaan nilai observasi yang kosong atau tidak memiliki nilai sehingga mengakibatkan hilangnya informasi pada sebuah kasus. Data hilang disebabkan kemungkinan pengukuran kurang lengkap, pencarian informasi yang sulit ditemukan, kesalahan atau kelalaian dalam menjalankan prosedur pengumpulan data atau bahkan responden yang menolak untuk menjawab pertanyaan dalam suatu survei. Hal tersebut mengakibatkan berkurangnya informasi penting yang diakibatkan dari data hilang. Oleh karena itu, perlu dilakukan imputasi data hilang untuk penanganan data hilang. Metode imputasi dapat dibedakan menjadi dua jenis, yaitu metode imputasi berbasis statistik dan metode imputasi berbasis machine learning. Metode imputasi Hot-Deck merupakan metode terbaik dalam imputasi berbasis statistik, sedangkan imputasi K-Nearest Neighbor merupakan metode terbaik dalam imputasi berbasis machine learning. Penelitian ini bertujuan menerapkan dan membandingkan hasil akurasi metode imputasi Hot-Deck dan K-Nearest Neighbor pada pendugaan data hilang pada Dapodik SMA Kota/Kab Pontianak dan Kubu Raya tahun 2023. Simulasi data hilang menggunakan mekanisme Missing Completely At Random (MCAR) 5% pada masing-masing variabel. Nilai akurasi imputasi terbaik terdapat di imputasi K-Nearest Neighbor menggunakan parameter k=4 dengan nilai Root Mean Square Error (RMSE) sebesar 5,80 dan Mean Absolute Percentage Error (MAPE) sebesar 10,98%.  Kata Kunci: Dapodik, imputasi data, imputasi Hot-Deck, imputasi K-Nearest Neighbor
PEMODELAN REGRESI PANEL SPASIAL PADA TINGKAT PENGANGGURAN TERBUKA DI PROVINSI KALIMANTAN BARAT Wuri, Hastri Sastia; Kusnandar, Dadan; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74371

Abstract

Tingkat Pengangguran Terbuka (TPT) adalah persentase dari jumlah pengangguran terhadap angkatan kerja pada suatu daerah. Penelitian ini bertujuan untuk mengetahui model yang sesuai dan menganalisis faktor yang mempengaruhi tingkat pengangguran terbuka untuk Kabupaten/Kota pada Provinsi Kalimantan Barat. Data pada penelitian ini menggunakan lima variabel yaitu TPT, TPAK, IPM, APS, dan RLS. Langkah-langkah pada penelitian ini dimulai dengan melakukan identifikasi pada data panel menggunakan 2 uji yaitu uji chow dan hausman dalam membandingkan model terbaik. Membuat pembobot spasial menggunakan Queen Contiguity dalam mendeteksi dependensi spasial melalui pengujian lagrange multiplier dalam mendapatkan efek spasial lag untuk model SAR-FE dan spasial error untuk model SEM-FE. Hasil pada penelitian menunjukkan model terbaik adalah model SAR-FE dengan nilai  sebesar 86,4% dengan model yang terbentuk .Pada model didapatkan faktor yang mempengaruhi TPT untuk Kabupaten/Kota  di Provinsi Kalimantan Barat yaitu tingkat partisipasi angkatan kerja dan indeks pembangunan manusia.  Kata Kunci: Data Panel, Panel Spasial, Tingkat Pengangguran Terbuka
PERBANDINGAN KLASTER K-MEANS DAN K-MEDIAN PADA DATA INDIKATOR KEMISKINAN KABUPATEN/KOTA DI PROVINSI KALIMANTAN BARAT Riswanda, Giovani Parasta; Kusnandar, Dadan; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 12, No 6 (2023): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v12i6.71551

Abstract

Metode k-means ialah pengklasteran non-hirarki yang sering dipakai, dengan memkai rataan yang jadi pusat klasternya, dan k-median ialah pengklasteran non-hirarki yang memakai nilai median sebagai pusat klaster. Studi ini tujuannya guna membandingkan metode k-means dan k-median. Data yang dipakai ialah data indikator kemiskinan Kabupaten/Kota di Provinsi Kalimantan Barat, selanjutnya lakukan pengujian multikolinieritas dengan melihat nilai VIF  10. Bila nilai VIF setiap variabel  10 maka tidak alami multikolieritas pada data dan data bisa dipakai untuk pengklasteran. Sesudah didapat hasil pengklasteran memakai metode k-means dan k-median, lakukan perbandingan memakai nilai varians. Hasil dari pengklasteran k-means didapat klaster pertama 4 anggota dan klaster ke-dua 10 anggota. Sedangkan hasil pengklasteran k-median didapat klaster pertama 5 anggota dan klaster ke-dua 9 anggota. Berdasarkan nilai varians didapat bahwa metode k-means dengan nilai varians yakni 0,38 lebih baik dibanding k-median dengan nilai varians yakni 0,55.  Kata kunci: Kemiskinan, K-means, K-median
Co-Authors Aipassa, Ezra Amarya Andani, Wirda Anugrahnu, Joannes Fregis Philosovio Ayuni, Anisa Putri Cahyani, Cristy Framedia Debataraja, Naomi Nessyana Evy Sulistianingsih Fadhillah, Rahmi Febriani, Nindy Febryanti, Winda Fiqriah, Isnaini Handayany, Indry Hendra Perdana HUDA, NUR’AINUL MIFTAHUL Hutami, Bintang Ratna Imro'ah, Nurfitri IMRO’AH, NURFITRI Martha, Shantika NESSYANA DEBATARAJA, NAOMI Neva Satyahadewi Novi Safitri Oprasianti, Risky Prianti, Sabrina Eka Rahmawati, Fenti Nurdiana Riswanda, Giovani Parasta Rizki, Setyo Wira Rossie Wiedya Nusantara Simanjuntak, Martina Tamtama, Ray Utari, Shindy Wuri, Hastri Sastia Yusril, Alqaida