PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK DAERAH KEMATIAN PROVINSI DKI JAKARTA DENGAN VISUALISASI WEBGIS

FATEKHAH, CIKAL AL (2022) PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK DAERAH KEMATIAN PROVINSI DKI JAKARTA DENGAN VISUALISASI WEBGIS. S1 thesis, Universitas Mercu Buana Jakarta.

[img]
Preview
 Text (HAL COVER)
01 Cover.pdf
Download (256kB) | Preview
[img]
Preview
 Text (ABSTRAK)
02 Abstrak.pdf
Download (24kB) | Preview
[img] Text (BAB I)
03 Bab 1.pdf
Restricted to Registered users only
Download (75kB)
[img] Text (BAB II)
04 Bab 2.pdf
Restricted to Registered users only
Download (255kB)
[img] Text (BAB III)
05 Bab 3.pdf
Restricted to Registered users only
Download (235kB)
[img] Text (BAB IV)
06 Bab 4.pdf
Restricted to Registered users only
Download (1MB)
[img] Text (BAB V)
07 Bab 5.pdf
Restricted to Registered users only
Download (18kB)
[img] Text (DAFTAR PUSTAKA)
08 Daftar Pustaka.pdf
Restricted to Registered users only
Download (245kB)
[img] Text (LAMPIRAN)
09 Lampiran.pdf
Restricted to Registered users only
Download (1MB)

Abstract

This research will implement a clustering method with the K-Means algorithm for clustering death data in DKI Jakarta Province to determine which areas have the lowest to highest number of deaths and will be visualized with WebGIS. The data collected is death data in DKI Jakarta Province in the period 2018 - 2021 and has 22,272 records. The results of the best modeling performance obtained an accuracy of 0.99 or 99%, these results were obtained using K_Range = 3 in the SSE (Sum Square Error) calculation. The results of the research obtained Cluster 0 is an area with a high mortality rate with a total number of cluster members 6644 data, Cluster 1 is an area with a medium mortality rate with a total number of cluster members 6508 data, and Cluster 2 is an area with a low mortality rate with a total number of cluster members 6486 data. Keywords: Death, Clustering, Elbow Method, WebGIS. Pada penelitian ini akan melakukan implementasi metode clustering dengan algoritma K-Means untuk clustering pada data kematian di Provinsi DKI Jakarta untuk menentukan daerah mana yang memiliki jumlah angka kematian dari yang terendah hingga tertinggi dan akan divisulisasikan dengan WebGIS. Data yang di kumpulkan merupakan data kematia di Provinsi DKI Jakarta pada periode 2018 - 2021 dan memiliki 22.272 record. Hasil dari kinerja pembuatan model terbaik memperoleh akurasi sebesar 0.99 atau 99%, hasil tersebut didapatkan menggunakan K_Range = 3 pada perhitungan SSE (Sum Square Error). Hasil dari penelitian yang didapatkan Cluster 0 merupakan daerah dengan tingkat kematian tinggi dengan jumlah anggota cluster 6644 total data, Cluster 1 merupakan daerah dengan tingkat kematian sedang dengan jumlah anggota cluster 6508 data , dan Cluster 2 merupakan daerah dengan tingkat kematian Rendah dengan jumlah anggota cluster 6486 data . Keywords: Kematian, Clustering, Metode Elbow, WebGIS.

Item Type: Thesis (S1)
Call Number CD: FIK/INFO. 22 196
NIM/NIDN Creators: 41519010192
Uncontrolled Keywords: Kematian, Clustering, Metode Elbow, WebGIS.
Subjects: 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan
000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan > 025.3 Bibliographic Analysis and Control/Bibliografi Analisis dan Kontrol Perpustakaan > 025.34 Cataloging, Classification, Indexing of Special Materials/Pengatalogan, Klasifikasi, Pengindeksan Bahan Tertentu
500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik
500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: ADELINA HASNA SETIAWATI
Date Deposited: 24 Mar 2023 03:02
Last Modified: 24 Mar 2023 03:02
URI: http://repository.mercubuana.ac.id/id/eprint/75384

Actions (login required)

View Item View Item
UMB Repository is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.