Bilah Samping Artikel

Telah diserahkan
Oct 22, 2024
Diterima
Nov 28, 2024
Diterbitkan
Nov 30, 2024
Download
PDF
Statistic
Read Counter : 77 Download : 51

Isi Artikel Utama

Abstrak

Adanya berbagai kawasan industri baru di Karawang dapat memicu penduduk luar daerah untuk bermigrasi. Bertambahnya jumlah penduduk dapat mempengaruhi tingkat pengangguran di suatu daerah. Dalam mengelompokkan sebuah data dapat menggunakan teknik data mining. Penelitian ini bertujuan memanfaatkan Algoritma K-Means dan Hiererchical Clustering dalam pengelompokkan untuk memperoleh informasi. Hasilnya Algoritma K-Means dan Hierarchical Clustering dapat mengelompokkan data berdasarkan karakteristik yang mirip dengan jumlah cluster yang sama tetapi memiliki perbedaan distribusi data dalam cluster. Metode evaluasi dengan Silhouette Score menunjukkan kedua algoritma tersebut memiliki kinerja yang sama dalam analisis di penelitian ini.

Kata Kunci

Algoritma Cluster Karawang Pengangguran Pengelompokkan Algoritma Cluster Karawang Pengangguran Pengelompokkan

Rincian Artikel

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution-NoDerivatives 4.0 International License.

Cara Mengutip
[1]
A. A. R. Mulyana, A. R. Juwita, A. M. Siregar, dan A. Fauzi, “Penerapan Algoritma K-means Clustering dan Hierarchical Clustering dalam Mengelompokkan Data Pengangguran di Karawang”, Jurnal Algoritma, vol. 21, no. 2, hlm. 209–220, Nov 2024.
Unduh Sitasi
Endnote/Zotero/Mendeley (RIS)

References

  1. T. Rahmawati and N. Nurwati, “Pengaruh Pertumbuhan Industri terhadap Pengangguran Terbuka di Kabupaten Karawang,” J. Polit. Indones., vol. 6, no. 1, pp. 51–61, 2021, doi: 10.35706/jpi.v6i1.5165.
  2. StudySmarter, “Unemployment Rate,” StudySmarter.
  3. M. D. Kahfi, F. R. Umbara, and H. Ashaury, “Prediksi Pengagguran Menggunakan Decision Tree Dengan Algoritma C5.0 Pada Data Penduduk Kecamatan Caringin Kabupaten Bogor,” Informatics Digit. Expert, vol. 4, no. 2, pp. 75–80, 2023, doi: 10.36423/index.v4i2.913.
  4. A. Mayssara A. Abo Hassanin Supervised, “Dampak Penurunan Ekonomi Karena Pandemi Covid-19 Terhadap Jumlah Kriminalitas Di Kelurahan Nagasari Kabupaten Karawang Dalam Perspektif Kriminologi,” Pap. Knowl. . Towar. a Media Hist. Doc., pp. 1147–1159, 2014.
  5. K. Kusano, A. K. Uskul, and M. Kemmelmeier, “Suicide during the COVID-19 pandemic: Uncovering demographic and regional variation in the United States and associations with unemployment and depression,” Curr. Res. Ecol. Soc. Psychol., vol. 5, no. August, p. 100144, 2023, doi: 10.1016/j.cresp.2023.100144.
  6. S. Nofita, H. H. Hanny, and M. S. Amril, “Implementasi Clustering Data Kasus Covid 19 Di Indonesia Menggunakan Algoritma K-Means,” Bianglala Inform., vol. 11, no. 1, pp. 7–12, 2023.
  7. I. Rahma, P. P. Arhandi, and A. T. Firdausi, “Penerapa Metode Hierarchical Clustering Dan K-Means Clustering Untuk Mengelompokkan Potensi Lokasi Penjualan Linkaja,” J. Inform. Polinema, vol. 6, no. 1, pp. 15–22, 2020, doi: 10.33795/jip.v6i1.287.
  8. A. Abdulhafedh, “Incorporating K-means, Hierarchical Clustering and PCA in Customer Segmentation,” J. City Dev., vol. 3, no. 1, pp. 12–30, 2021, doi: 10.12691/jcd-3-1-3.
  9. F. Badri and A. Habibi, “Implementasi Metode K-Means Clustering Analysis pada Pengelompokan Pengangguran di Indonesia sebagai Dampak dari Pandemi Covid-19,” Ilk. J. Comput. Sci. Appl. Informatics, vol. 4, no. 2, pp. 171–179, 2022, doi: 10.28926/ilkomnika.v4i2.471.
  10. A. M. Siregar and D. Wahiddin, “Penerapan Algoritma K-Means Dalam Mengurangi Tingkat Buta Aksara Di Indonesia Sebagai Penunjang Keputusan,” Sci. Student J. …, vol. 1, pp. 55–60, 2020.
  11. A. R. Junior, H. H. Handayani, A. Fitri, and N. Masruriyah, “Analisis Sentimen Menggunakan Algoritma K-Means untuk Mengetahui Kalimat Positif maupun Negatif pada Buletin APTIKOM,” Sci. Student J. Information, Technol. Sci., vol. III, no. 1, p. 113, 2022.
  12. S. C. Dewi, A. M. Siregar, and D. S. Kusumaningrum, “Pengelompokan Jumlah Sumber Daya Manusia Kesehatan Puskesmas untuk Menunjang Pemerataan pada Provinsi Jawa Tengah Menggunakan Algoritma K-Means,” Sci. Student J. Information, Technol. Sci., vol. 1, no. 2, pp. 86–94, 2020.
  13. L. Adeliana, A. M. Siregar, and D. S. Kusumaningrum, “Pengelompokan Kabupaten dan Kota di Indonesia Berdasarkan Hasil Produksi Daging Sapi Menggunakan Algoritma K-Means dan K-Medoids,” Sci. Student J. Information, Technol. Sci., vol. II, no. 1, pp. 15–21, 2021.
  14. M. A. Rofik, A. M. Siregar, and ..., “Perbandingan Tingkat Kepuasan Siswa Terhadap Pelayanan Sekolah Menggunakan Algoritma K-Means Dan K-Medoids,” … Student J. …, vol. II, pp. 21–30, 2021.
  15. D. Almeira and G. Graciella Juanda, “Analisis Multidimensional Scaling dan k-Means Clustering untuk Pengelompokan Provinsi Berdasarkan Tingkat Pengangguran,” E-Prosiding Nas. | Dep. Stat. FMIPA Univ. Padjadjaran, vol. 10, p. 08, 2021.
  16. A. Pramudya, I. Maulana, and R. Mayasari, “Pengelompokan Hasil Belajar Siswa Sdn Tunas Jaya Dengan Algoritma K-Means,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3960–3967, 2024, doi: 10.36040/jati.v7i6.7970.
  17. D. Amelia, T. N. Padilah, and A. Jamaludin, “Optimasi Algoritma K-Means Menggunakan Metode Elbow dalam Pengelompokan Penyakit Demam Berdarah Dengue (DBD) di Jawa Barat,” J. Ilm. Wahana Pendidik., vol. 8, no. 11, pp. 207–215, 2022.
  18. I. Alfian, “Penerapan Metode K-Means Dalam Melakukan Pengelompokan Bencana Alam di Indonesia Dilakukan dengan Memanfaatkan Teknik Text Mining,” J. Algoritm., vol. 20, no. 1, pp. 139–147, 2023, doi: 10.33364/algoritma/v.20-1.1275.
  19. N. Pooja, M. Saputra, S. Aisyah, and P. Juanta, “Implementasi Data Mining Clustering Data Valuasi Ekspor Kertas Indonesia Menggunakan Algoritma K-Means,” J. Sist. Inf. dan Ilmu Komput. Prima(JUSIKOM PRIMA), vol. 5, no. 2, pp. 86–90, 2022, doi: 10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2372.