Implementasi Algoritma ST-DBSCAN dan K-MEANS Untuk Pengelompokan Indeks Pembangunan Manusia Kabupaten/Kota Pulau Jawa Tahun 2014-2016 Berbasis Web Di Badan Pusat Statistik

M. Ivan Putra Eriansya (Universitas Budi Luhur)
Muhammad Syafrullah (Universitas Budi Luhur)

SKANIKA: Sistem Komputer dan Teknik Informatika
Vol 1 No 3 (2018): Jurnal SKANIKA Juli 2018

Pembangunan manusia sebagai ukuran kinerja pembangunan secara keseluruhan diukur oleh suatu nilai tunggal, yaitu Indeks Pembangunan Manusia (IPM). IPM merupakan indikator penting untuk mengukur keberhasilan pembangunan kualitas manusia di suatu daerah (BPS 2016). Bila dibandingakan dengan wilayah lain di Indonesia, Pulau Jawa memiliki peningkatan IPM terbesar pada periode 2014-2016. Dengan memiliki peningkatan IPM terbesar, Pulau Jawa menarik untuk diteliti persebarannya.Salah satu cara untuk mendapatkan pola persebaran kondisi IPM di Pulau Jawa adalah dengan menggunakan teknik pengelompokan atau clustering. Pada penelitian ini, metode yang akan digunakan untuk pengelompokan data nilai IPM kabupaten/kota di Pulau Jawa adalah ST-DBSCAN dan K-Means. Berdasarkan penelitian ini, hasil pengelompokan dari metode K-Means yang menggunakan parameter k=4 menghasilkan nilai Silhouette Coeffecient yang lebih tinggi, yaitu sebesar 0.3444 bila dibandingkan dengan metode ST-DBSCAN yang menggunakan parameter nilai Eps1=0.7, Eps2=3, MinPts=7 dan ∆ε = 2, yaitu sebesar 0.1521. Waktu proses metode K-Means juga lebih cepat dengan nilai 0.4 detik bila dibandingkan dengan metode ST-DBSCAN yang memiliki waktu proses 3.4 detik.