Dakhi, Yustina Lentiana
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pengelompokan Kabupaten dan Kota Provinsi Sumatera Utara Berdasarkan Indikator Kesejahteraan Rakyat Menggunakan Algoritma K-Means: Clustering of Districts and Cities in North Sumatra Province Based on People's Welfare Indicators Using K-Means Algorithm Dakhi, Yustina Lentiana; Ningsi, Besse Arnawisuda
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1381

Abstract

Kesejahteraan rakyat merupakan tujuan utama negara Indonesia yang diabadikan dalam UUD 1945 dan sila kelima Pancasila. Sumatera Utara merupakan salah satu provinsi di Indonesia yang terletak di bagian utara pulau Sumatera. Di pulau tersebut memiliki 33 kabupaten/kota, terdiri dari 25 prefektur dan 8 kota. Tujuan penelitian ini adalah mengetahui hasil pengelompokan Kabupaten/Kota Provinsi Sumatera Utara berdasarkan Indikator Kesejahteraan Rakyat menggunakan metode k-means cluster. Variabel yang diamati dalam penelitian ini adalah kependudukan, kesehatan, pendidikan, ketenagakerjaan, tarif dan pola konsumsi dan kemiskinan.  Hasil penelitian dalam pengelompokan karakteristik klaster yang terbentuk berdasarkan indikator kesejahteraan rakyat adalah Klaster 1 terdiri dari Tapanuli Utara, Toba Samosir, Dairi, Humbang Hasundutan, Pakpak Bharat, Samosir, Nias Barat. Dan Klaster 2 terdiri dari Mandailing Natal, Tapanuli Selatan, Tapanuli Tengah, Labuhan Batu, Asahan, Simalungun, Karo, Deli Serdang, Langkat, Nias Selatan, Serdang Bedagai, Batu Bara, Padang Lawas Utara, Padang Lawas, Labuhanbatu Selatan, Labuhanbatu Utara, Nias Utara, Tanjungbalai, Gunungsitoli Klaster 3 terdiri dari Sibolga, Pematangsiantar, Tebing Tinggi, Medan, Binjai, Padangsidimpuan. Sedangkan Klaster 4 terdiri dari Nias. Kesimpulan penelitian ini adalah dapat dilihat dari hasil pengujian Silhouette Index menunjukkan bahwa pembentuk 4 Klaster memiliki nilai keakuratan terbaik dibanding dengan pembentukan 2 klaster dan pembentukan 3 kalster.