Claim Missing Document
Check
Articles

Found 15 Documents
Search

Perbandingan Metode K-Means dan OPTICS dalam Penggerombolan Kemiskinan Multidimensi di Indonesia Sari, Devi Permata; Rizqi, Tasya Anisah; Fitrianto, Anwar; M.S, Erfiani; Jumansyah, L.M. Risman Dwi
KUBIK Vol 9 No 2 (2024): KUBIK: Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v9i2.39877

Abstract

Kemiskinan multidimensi tetap menjadi tantangan serius di Indonesia meskipun telah mengalami penurunan dalam beberapa tahun terakhir. Penelitian ini bertujuan menganalisis dan membandingkan pola kemiskinan multidimensi di 34 provinsi Indonesia menggunakan metode K-Means dan OPTICS Clustering. Data kemiskinan multidimensi yang digunakan mencakup aspek ekonomi, pendidikan, ketenagakerjaan, dan standar hidup dari Badan Pusat Statistik. Analisis statistik deskriptif mengungkapkan kesenjangan signifikan antar provinsi dalam berbagai dimensi kemiskinan, dengan korelasi tertinggi sebesar 0,4 antara dimensi pendidikan dan status ketenagakerjaan. K-Means Clustering mengidentifikasi 5 cluster provinsi dengan karakteristik beragam, menunjukkan adanya trade-off antara akses fasilitas dan tingkat kemiskinan. Sementara itu, OPTICS Clustering menghasilkan 2 cluster utama, dengan cluster 1 terdiri dari 24 provinsi yang memiliki kondisi cenderung homogen dan cluster 2 terdiri dari 7 provinsi dengan karakteristik yang berbeda secara signifikan. Perbandingan performa menunjukkan OPTICS unggul dengan nilai Silhouette Index dan WCSS yang lebih baik dibandingkan K-Means. Temuan ini memberikan kontribusi penting dalam analisis kemiskinan multidimensi di Indonesia dan dapat dimanfaatkan untuk merancang program pengentasan kemiskinan yang lebih terlokalisasi sesuai karakteristik masing-masing cluster.
Perbandingan Metode K-Means dan OPTICS dalam Penggerombolan Kemiskinan Multidimensi di Indonesia Sari, Devi Permata; Rizqi, Tasya Anisah; Fitrianto, Anwar; M.S, Erfiani; Jumansyah, L.M. Risman Dwi
KUBIK Vol 9 No 2 (2024): KUBIK: Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v9i2.39877

Abstract

Kemiskinan multidimensi tetap menjadi tantangan serius di Indonesia meskipun telah mengalami penurunan dalam beberapa tahun terakhir. Penelitian ini bertujuan menganalisis dan membandingkan pola kemiskinan multidimensi di 34 provinsi Indonesia menggunakan metode K-Means dan OPTICS Clustering. Data kemiskinan multidimensi yang digunakan mencakup aspek ekonomi, pendidikan, ketenagakerjaan, dan standar hidup dari Badan Pusat Statistik. Analisis statistik deskriptif mengungkapkan kesenjangan signifikan antar provinsi dalam berbagai dimensi kemiskinan, dengan korelasi tertinggi sebesar 0,4 antara dimensi pendidikan dan status ketenagakerjaan. K-Means Clustering mengidentifikasi 5 cluster provinsi dengan karakteristik beragam, menunjukkan adanya trade-off antara akses fasilitas dan tingkat kemiskinan. Sementara itu, OPTICS Clustering menghasilkan 2 cluster utama, dengan cluster 1 terdiri dari 24 provinsi yang memiliki kondisi cenderung homogen dan cluster 2 terdiri dari 7 provinsi dengan karakteristik yang berbeda secara signifikan. Perbandingan performa menunjukkan OPTICS unggul dengan nilai Silhouette Index dan WCSS yang lebih baik dibandingkan K-Means. Temuan ini memberikan kontribusi penting dalam analisis kemiskinan multidimensi di Indonesia dan dapat dimanfaatkan untuk merancang program pengentasan kemiskinan yang lebih terlokalisasi sesuai karakteristik masing-masing cluster.
Analisis Pola Konvergensi Transpor Kelembapan Udara di Indonesia Bagian Barat Menggunakan K-Means dengan Pembobotan Statistik dan Hierarchical Shape-Based Clustering Pratiwi, Asri; Azis, Tukhfatur Rizmah; Fitrianto, Anwar; Erfiani, Erfiani; Jumansyah, L.M. Risman Dwi
KUBIK Vol 9 No 2 (2024): KUBIK: Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v9i2.39753

Abstract

This study analyzes the convergence patterns of Vertically Integrated Moisture Transport (VIMT) in the western region of Indonesia using the K-Means method with statistical weighting and Hierarchical Shape-Based Clustering based on Dynamic Time Warping (DTW). Daily data on specific humidity, zonal wind speed, and meridional wind speed from 2020–2023 were used to calculate VIMT. Clustering methods were utilized to identify grouping patterns in moisture transport data. The results showed that moisture convergence significantly increased during the rainy season (November–February). Using the K-Means method, five clusters with clearer separations were obtained compared to the four clusters produced by the Hierarchical Clustering method. Performance evaluation using Silhouette and Calinski-Harabasz scores indicated that the K-Means method was superior, with scores of 0.37 and 104.88 compared to 0.13 and 96.34 for the Hierarchical method. This provides an understanding of the moisture transport patterns, serving as a reference for predicting weather and climate patterns, thereby supporting efforts to mitigate the impacts of extreme weather in Western Indonesia.
Analisis Visual dan Karakteristik Klub Sepakbola Liga Inggris Berdasarkan Pola Permainan Menggunakan K-Means Clustering Yudhianto, Rachmat Bintang; Yusuf, Fajar Athallah; Fitrianto, Anwar; Jumansyah, L.M. Risman Dwi
Jurnal Informatika Universitas Pamulang Vol 9 No 3 (2024): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v9i3.44640

Abstract

This research aimed to analyze and cluster football teams in the English Premier League (EPL) for the 2023/2024 season based on their playing characteristics using K-Means clustering. Understanding the playing styles is essential for optimizing strategies and enhancing team performance. Preprocessing steps included data cleaning, feature engineering, and visualization of key features such as goals, shots, and attacking attempts. Four clusters were identified using the Elbow method, representing teams with varying levels of attacking and defensive capabilities. Evaluation of the clustering results was conducted using Davies-Bouldin (score: 0.47), Calinski-Harabasz (score: 275.89), and Silhouette (score: 0.53) metrics, indicating moderate clustering quality. The findings suggest that EPL teams tend to be attack-oriented, while defensive strength varies across clusters. Limitations in the dataset, such as the number of observations and features, impacted the analysis, and future studies may benefit from incorporating additional features and advanced dimensionality reduction techniques.
Analisis Pola Konvergensi Transpor Kelembapan Udara di Indonesia Bagian Barat Menggunakan K-Means dengan Pembobotan Statistik dan Hierarchical Shape-Based Clustering Pratiwi, Asri; Azis, Tukhfatur Rizmah; Fitrianto, Anwar; Erfiani, Erfiani; Jumansyah, L.M. Risman Dwi
KUBIK Vol 9 No 2 (2024): KUBIK: Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v9i2.39753

Abstract

This study analyzes the convergence patterns of Vertically Integrated Moisture Transport (VIMT) in the western region of Indonesia using the K-Means method with statistical weighting and Hierarchical Shape-Based Clustering based on Dynamic Time Warping (DTW). Daily data on specific humidity, zonal wind speed, and meridional wind speed from 2020–2023 were used to calculate VIMT. Clustering methods were utilized to identify grouping patterns in moisture transport data. The results showed that moisture convergence significantly increased during the rainy season (November–February). Using the K-Means method, five clusters with clearer separations were obtained compared to the four clusters produced by the Hierarchical Clustering method. Performance evaluation using Silhouette and Calinski-Harabasz scores indicated that the K-Means method was superior, with scores of 0.37 and 104.88 compared to 0.13 and 96.34 for the Hierarchical method. This provides an understanding of the moisture transport patterns, serving as a reference for predicting weather and climate patterns, thereby supporting efforts to mitigate the impacts of extreme weather in Western Indonesia.