KURNIA, FARHAN (2023) PENERAPAN ALGORITMA K-PROTOTYPE PADA PENENTUAN CLUSTER OPTIMUM KELOMPOK DAERAH MISKIN DI PROVINSI JAWA BARAT. S1 thesis, Universitas Mercu Buana Jakarta.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (COVER)
01 COVER.pdf Download (406kB) |
|
Text (ABSTRAK)
02 ABSTRACK.pdf Download (192kB) |
|
Text (BAB I)
03 BAB 1.pdf Restricted to Registered users only Download (201kB) |
|
Text (BAB II)
04 BAB 2.pdf Restricted to Registered users only Download (310kB) |
|
Text (BAB III)
05 BAB 3.pdf Restricted to Registered users only Download (205kB) |
|
Text (BAB IV)
06 BAB 4.pdf Restricted to Registered users only Download (528kB) |
|
Text (BAB V)
07 BAB 5.pdf Restricted to Registered users only Download (185kB) |
|
Text (DAFTAR PUSTAKA)
08 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (177kB) |
|
Text (LAMPIRAN)
09 LAMPIRAN.pdf Restricted to Registered users only Download (1MB) |
Abstract
Impressive destitution stays an issue in Indonesia, especially in West Java Region. Underdevelopment and joblessness stay the premise of neediness. Neediness levels are obviously disparate in every locale. The public authority needs to comprehend which regions fall into the classification of high and low neediness levels to foster arrangements and focus on help. Hence, an information mining innovation is required that can group the quantity of joblessness as per the training level of unfortunate regions in West Java, specifically the K-Model calculation bunching innovation. The reason for this examination is to sort the destitution information of West Java territory so it very well may be utilized as data for the right West Java government strategy in giving help to the local area. The outcomes got from testing, and got bunches upwards of 3 groups, including 0 groups have 74 bunch information in view of the quantity of training and joblessness, bunch 1 982 bunch information in light of schooling and the quantity of jobless, bunch 2 375 information in light of training and joblessness gatherings. Keywords: Poverty, K-Prototype, Data Mining Kemiskinan masih menjadi masalah di Indonesia, khususnya di wilayah Jawa Barat. Keterbelakangan dan pengangguran tetap menjadi dasar dari kemiskinan. Tingkat kebutuhan jelas berbeda di setiap daerah. Otoritas publik perlu memahami daerah mana saja yang termasuk ke dalam klasifikasi tingkat kebutuhan tinggi dan rendah untuk mendorong pengaturan dan fokus bantuan. Oleh karena itu, diperlukan sebuah inovasi penggalian informasi yang dapat mengelompokkan jumlah pengangguran sesuai dengan tingkat pelatihan daerah-daerah yang kurang beruntung di Jawa Barat, khususnya inovasi pengelompokan perhitungan K-Model. Alasan dilakukannya penelitian ini adalah untuk mengurutkan informasi kemelaratan di wilayah Jawa Barat sehingga dapat digunakan sebagai data untuk strategi pemerintah Jawa Barat yang tepat dalam memberikan bantuan kepada daerah tersebut. Hasil yang didapat dari pengujian, dan mendapati 3 kelompok yang terdiri dari 0 kelompok yang memiliki 74 informasi berdasarkan jumlah pelatihan dan pengangguran, kelompok 1 memiliki 982 informasi berdasarkan sekolah dan jumlah pengangguran, kelompok 2 memiliki 375 informasi berdasarkan jumlah pelatihan dan pengangguran. Kata kunci: Kemiskinan, Data Mining, K-Prototype
Actions (login required)
 |
View Item |
