Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Teorema: Teori dan Riset Matematika Journal of Soft Computing Exploration
Hasnataeni, Yunia
Unknown Affiliation
Computer Science & IT Education Mathematics

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

Found 2 Documents
Search

 1 
Perbandingan Metode Klastering K-Means dan DBSCAN dalam Identifikasi Kelompok Rumah Tangga Berdasarkan Fasilitas Sosial Ekonomi di Jawa Barat Mutiah, Siti; Hasnataeni, Yunia; Fitrianto, Anwar; Erfiani, Erfiani; Jumansyah, L.M. Risman Dwi
Teorema: Teori dan Riset Matematika Vol 9, No 2 (2024): September
Publisher : Universitas Galuh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25157/teorema.v9i2.16290

Abstract

Penelitian ini bertujuan untuk membandingkan efektivitas dua metode klastering, yaitu K-Means dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN), dalam mengelompokkan rumah tangga berdasarkan karakteristik sosial ekonomi di Jawa Barat. Perbandingan kedua metode ini penting karena masing-masing metode memiliki kelebihan dan keterbatasan yang berbeda, K-Means unggul dalam menangani data dengan klaster yang lebih seragam, sedangkan DBSCAN lebih fleksibel dalam mengelola outlier dan klaster tidak teratur yang sering muncul dalam data sosial ekonomi. Data yang digunakan meliputi empat kategori: Fasilitas Rumah Tangga, Ketersediaan dan Kualitas Air, Bantuan Sosial dan Ekonomi, serta Kesejahteraan Ekonomi. Hasil analisis menunjukkan ketimpangan dalam akses fasilitas, air bersih, dan bantuan sosial ekonomi di berbagai wilayah, di mana wilayah seperti Bandung dan Garut lebih unggul dibanding Indramayu dan Cirebon. Motode terbaik dilihat dari nilai silhouette tertinggi. Metode K-Means menghasilkan segmentasi yang lebih terstruktur dengan skor silhouette 0,69, menunjukkan performa yang baik dalam mengelompokkan data dengan karakteristik yang lebih seragam. Sebaliknya, metode DBSCAN, yang lebih fleksibel dalam menangani outlier, menghasilkan 7 klaster dengan 248 noise points dan skor silhouette yang lebih rendah yaitu 0,398, mengindikasikan struktur klaster yang kurang kuat. Perbandingan kedua metode ini relevan dalam konteks klastering rumah tangga di Jawa Barat, di mana K-Means lebih efektif untuk wilayah dengan akses fasilitas yang seragam, sedangkan DBSCAN lebih baik dalam menangkap variasi yang tidak beraturan dan outlier. Penjelasan perbandingan kedua metode ini telah diperinci lebih lanjut untuk mencakup bagaimana variasi akses sosial ekonomi di berbagai wilayah memengaruhi efektivitas masing-masing metode sehingga memberikan pemahaman yang lebih mendalam tentang keunggulan dan keterbatasan keduanya dalam menangani heterogenitas data social ekonomi di Jawa Barat.Kata kunci: DBSCAN, K-Means, Klastering, Susenas
Comparison of clustering analysis of K-means, K-medoids, and fuzzy C-means methods: case study of school accreditation in west java Hasnataeni, Yunia; Nurhambali, M Rizky; Ardhani, Rizky; Hafsah, Siti; Soleh, Agus M
Journal of Soft Computing Exploration Vol. 6 No. 2 (2025): June 2025
Publisher : SHM Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52465/joscex.v6i2.575

Abstract

This research aims to analyze school accreditation data in West Java using clustering methods: K-Means, K-Medoids, and Fuzzy C-Means, to identify patterns and groups of schools based on similar characteristics. K-Means, known for its simplicity, suggests an optimal two-cluster solution based on silhouette values but employs three clusters for detailed analysis. K-Medoids, noted for its robustness against outliers, achieves the best clustering with a lowest Davies-Bouldin Index (DBI) of 0.8 and the highest Silhouette Information (SI) value of 0.46. Fuzzy C-Means, which assigns membership degrees to each data point across clusters, performs reasonably well with a DBI of 0.87 and an SI value of 0.40, while K-Means shows the highest DBI of 0.9 and the lowest SI value of 0.39. The findings highlight K-Medoids as the superior method for clustering. Regions with lower educational quality, such as Bekasi and Cianjur regions, require priority interventions, whereas areas with better quality, like Bandung and Bekasi regions, can serve as models. Data-driven approaches, inter-regional collaboration, and continuous monitoring and evaluation are recommended to optimize educational policies and enhance overall educational quality in West Java.
Co-Authors Agus Mohamad Soleh Ardhani, Rizky Erfiani Erfiani Fitrianto, Anwar Jumansyah, L.M. Risman Dwi mutiah, siti Nurhambali, M Rizky Siti Hafsah