Alyarahma, Nyimas Nina
Unknown Affiliation

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

Found 2 Documents
Search

Pengelompokan Provinsi di Indonesia Menggunakan Gaussian Mixture Model Berdasarkan Indikator Kemiskinan Alyarahma, Nyimas Nina; Kholijah, Gusmi; Sormin, Corry
Journal of Mathematics: Theory and Applications Vol 6 No 2 (2024)
Publisher : Program Studi Matematika Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jomta.v6i2.4032

Abstract

Poverty is a multidimensional concept that can not only be seen from an economic perspective, but can also be seen from a social, cultural and political perspective. Poverty is generally expressed as a static concept with the amount of poverty as a description of welfare conditions at a certain time. In reality, poverty has a time period that is never cut off and has a continuous pattern over time. The Indonesian government is committed to efforts to eradicate poverty in order to reduce Indonesia's poverty rate. One way that can be done is by allocating aid to the community. Grouping is carried out by cluster analysis using the Gaussian Mixture Model method with the Expectation-Maximization (EM) algorithm. The optimal number of clusters in the Gaussian Mixture Model uses the Bayesian Information Criterion (BIC) method. Based on the research carried out, the results of the analysis of cluster grouping using the Gaussian Mixture Model method were obtained with the smallest BIC value, namely -397.6876 with a total of 2 clusters.
Analisis Cluster Metode K-Means untuk Indikator Kependudukan pada Kabupaten/Kota di Provinsi Jambi Alyarahma, Nyimas Nina; Sormin, Corry
Multi Proximity: Jurnal Statistika Vol. 2 No. 2 (2023): Applied Statistics
Publisher : Universitas Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22437/multiproximity.v2i2.30662

Abstract

Kependudukan dijelaskan bahwa indikator kependudukan terdiri dari kuantitas yang meliputi jumlah, struktur dan persebaran, lalu kualitas yang meliputi kesehatan, pendudukan, agama, perekonomian dan sosial budaya. Sedangkan dalam komponen kependudukan terdiri dari kelahiran, kematian dan migrasi. Tiga ciri menonjol yang sering digunakan dalam pengelompokan dari kependudukan Indonesia adalah sangat merata, merata dan cukup merata. Metode K-Means merupakan suatu metode pembentukan cluster yang mengelompokkan data ke dalam kelompok-kelompok yang homogen berdasarkan kesamaan atribut dengan menentukan nilai k sebagai jumlah cluster yang ingin dibentuk. Pada tahun 2020 terdapat cluster 1 yang anggotanya terdiri dari 6 kabupaten/kota dan cluster 2 terdapat 5 anggota kabupaten/kota. Proyeksi tahun 2025 terdapat cluster 1 yang anggotanya terdiri dari 5 anggota kabupaten/kota dan cluster 2 terdapat 6 anggota kabupaten/kota. Proyeksi tahun 2030 terdapat cluster 1 yang anggotanya terdiri dari 5 anggota kabupaten/kota, cluster 2 terdapat 6 anggota kabupaten/kota. Anggota cluster 1 pada tahun 2020 adalah Kabupaten/Kota Kerinci, Bungo, Sarolangun, Tebo, Tanjung Jabung Barat dan Tanjung Jabung Timur yang memiliki tingkat indikator kependudukan yang rendah dibanding kabupaten/kota yang lain di Provinsi Jambi.