IMPLEMENTASI K-MEANS DAN DAVIES BOULDIN INDEX UNTUK PENGELOMPOKAN DAERAH DI SULAWESI TENGGARA BERDASARKAN INDIKATOR PENDIDIKAN DENGAN VISUALISASI SISTEM INFORMASI GEOGRAFIS

Sahrul; Natalis Ransi; Muhammad Arfan

doi:10.33772/anoatik.v4i1.133

Penulis

Sahrul Univesitas Halu Oleo
Natalis Ransi Univesitas Halu Oleo
Muhammad Arfan Univesitas Halu Oleo

DOI:

https://doi.org/10.33772/anoatik.v4i1.133

Abstrak

Penelitian ini menerapkan algoritma K-Means yang diintegrasikan dengan Davies-Bouldin Index (DBI) untuk mengelompokkan wilayah berdasarkan indikator pendidikan. Metode DBI berfungsi menentukan jumlah klaster optimal secara objektif sebelum proses klasterisasi dengan K-Means dilakukan. Hasil penelitian memperoleh jumlah klaster terbaik k=2 (nilai DBI 0,6035) yang mengelompokkan 17 wilayah menjadi dua klaster yang kohesif. Hasil klastering divalidasi secara visual menggunakan Principal Component Analysis (PCA) dan berhasil divisualisasikan dalam peta tematik berbasis Sistem Informasi Geografis (SIG) melalui sistem web yang dibangun dengan framework Streamlit. Simpulan penelitian ini adalah kombinasi K-Means dan DBI menghasilkan klasterisasi wilayah yang objektif dan terukur, serta sistem web memudahkan visualisasi hasilnya secara interaktif

Kata Kunci:

K-Means, DBI, SIG, Klasterisasi

Unduhan

Data unduhan belum tersedia.

Referensi

N. K. S. Julyantari, K. Budiarta, and N. M. D. K. Putri, “Implementasi K-Means Untuk Pengelompokan Status Gizi Balita (Studi Kasus Banjar Titih),” J. Janitra Inform. dan Sist. Inf., vol. 1, no. 2, pp. 92–101, 2021, doi: 10.25008/janitra .v1i2.134.

O. Pasin and S. Gönenç, “An Investigation Into Epidemiological Situations of Covid-19 with Fuzzy K-means and K-prototype Clustering Methods,” Sci. Rep., vol. 13, 2023, doi: 10.1038/s41598-023-33214-y.

S. Hanifah and A. H. Primandari, “Implementasi Metode K-Means Clustering dalam Pengelompokan Kabupaten/Kota di Provinsi NTB,” Emerg. Stat. Data Sci. J., vol. 1, no. 3, pp. 378–393, 2023.

G. C. Messakh, M. N. Hayati, and Sifriyani, “Penerapan Metode K-Means dalam Pengelompokan Kabupaten/Kota di Kalimantan Berdasarkan Indikator Pendidikan,” J. EKSPONENSIAL, vol. 14, no. 2, pp. 57–66, 2023.

E. Muningsih, I. Maryani, and V. Handayani, “Penerapan Metode K-Means dan Optimasi Jumlah Cluster dengan Index Davies Bouldin untuk Clustering Propinsi Berdasarkan Potensi Desa,” EVOLUSI - J. Sains dan Manaj., vol. 9, no. 1, pp. 95–100, 2021, doi: 10.31294/evolusi.v9i1.10428.

R. J. Kasim, S. Bahri, and S. Amir, “Implementasi Metode K-Means untuk Clustering Data Penduduk Miskin dengan Systematic Random Sampling,” in Prosiding Seminar Nasional Sistem Informasi dan Teknologi (SISFOTEK), 2021, pp. 95–101.

V. V Starovoitov and Y. I. Golub, “Data Normalization in Machine Learning,” Informatics, 2021, doi: 10.37661/1816-0301-2021-18-3-83-96.

M. Mughnyanti, S. Efendi, and M. Zarlis, “Analysis of Determining Centroid Clustering X-means Algorithm with Davies-Bouldin Index Evaluation,” 2020, doi: 10.1088/1757-899X/725/1/012128.

I. T. Umagapi, B. Umaternate, Hazriani, and Yuyun, “Uji Kinerja K-Means Clustering Menggunakan Davies-Bouldin Index pada Pengelompokan Data Prestasi Siswa,” in Prosiding Seminar Nasional Sistem Informasi dan Teknologi (SISFOTEK), 2023, pp. 303–308.

M. Norshahlan, H. Jaya, and R. Kustini, “Penerapan Metode Clustering dengan Algoritma K-means pada Pengelompokan Data Calon Siswa Baru,” J. Sist. Inf. TGD, vol. 2, no. 6, pp. 1042–1053, 2023.

K. P. Sinaga and M. Yang, “Unsupervised K-Means Clustering Algorithm,” IEEE Access, vol. 8, pp. 80716–80727, 2020, doi: 10.1109/ACCESS.2020.2988796.

Sodikin and E. R. Susanto, “Sistem Informasi Geografis (GIS) Tempat Wisata di Kabupaten Tanggamus,” J. Teknol. dan Sist. Inf., vol. 2, no. 3, pp. 125–135, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/sisteminformasi/article/view/881/391.