Implementasi Algoritma Self Organizing Map untuk Identifikasi Pola Pengelompokan Tingkat Kesejahteraan Keluarga Kabupaten Siak
Implementation of Self Organizing Map Algorithm to Identify the Grouping Patterns of Family Welfare Level in Siak Regency
DOI:
https://doi.org/10.57152/ijirse.v2i2.431Keywords:
Cluster, DBI, Kabupaten Siak, Kesejahteraan Keluarga, SOMAbstract
Dinas Sosial Kabupaten Siak dalam penentuan kelompok kesejahteraan keluarga menggunakan aspek kesehatan dan pendidikan, serta tidak mementingkan aspek ekonomi. Perlunya dilakukan pengelompokan untuk ketiga aspek tersebut dalam menentukan kesejahteraan keluarga. Penelitian ini dimaksudkan untuk melakukan clustering data kesejahteraan keluarga menggunakan algoritma SOM. Penelitian melakukan 36 percobaan menggunakan data kesejahteraan tahun 2016 sebanyak 22.047 data. Parameter SOM cluster 3, 4 dan 5, learning rate 0,05; 0,10; 0,15 dan 0,20 dengan iterasi 500, 750 dan 1.000. Hasil Validasi menggunakan DBI menunjukan cluster 3, learning rate 0,20 dan iterasi 500 pada percobaan ke-10 dengan nilai DBI 0,9398 merupakan cluster optimal dengan 2 cluster dan 1 outlier. Hasil pada cluster 0 dari aspek kesehatan sebanyak 25,22% tidak memiliki cacat, dari aspek pendidikan sebanyak 20,92% tidak bersekolah lagi, dari aspek ekonomi sebanyak 16,59% tidak memiliki pekerjaan utama. Kemudian pada cluster 2 dari aspek kesehatan sebanyak 72,89% tidak memiliki cacat, dari aspek pendidikan sebanyak 28,49% memiliki ijazah SD/sederajat dan aspek ekonomi sebanyak 33,51% pekerjaan utama adalah berkebun. Hasil dari ketiga aspek tersebut dijadikan sebagai rekomendasi untuk Dinas Sosial Kabupaten Siak agar lebih optimal mengelompokan kesejahteraan keluarga dalam memberikan bantuan.
References
G. Maeswara, Biografi politik Susilo Bambang Yudhoyono. Penerbit Narasi, 2009.
Astuti, S. Adyatma, and E. Normelani, “Pemetaan Tingkat Kesejahteraan Keluarga di Kecamatan Banjarmasin Selatan,” J. Pendidik. Geogr., vol. 4, no. 2, pp. 20–34, 2017, [Online]. Available: http://ppjp.unlam.ac.id/journal/index.php/jpg.
J. Han, M. Kamber, and J. Pei, Data Mining Concepts and Techniques. USA: Morgan Kaufmann, 2012.
Kursini and ?Emha T. Luthfi, Algoritma Data Mining. Yogyakarta: Andi, 2009.??
D. Setiani and R. F. Hakim, “CLUSTERING INDIKATOR PEMBANGUNAN BERKELANJUTAN DI INDONESIA MENGGUNAKAN ALGORITMA SELF-ORGANIZING MAPS (SOMs) KOHONEN DessySetiani dan RB.Fajriya Hakim,” pp. 614–628.
Edward, “Clustering Menggunakan Self Organizing Maps (Studi Kasus: Data PPMB IPB),” 2006.
L. Rahmawati, A. D. Cahyani, and S. S. Putro, “Pemanfaatan Metode Cluster SOM – IDB sebagai Analisa Pengelompokan Penerima Beasiswa,” J. Sist. Inf. Indones., vol. 1, no. 1, pp. 11–17, 2015.
D. L. Davies and D. W. Bouldin, “A Cluster Separation Measure,” IEEE Trans. Pattern Anal. Mach. Intell., vol. PAMI-1, no. 2, pp. 224–227, 1979, doi: 10.1109/TPAMI.1979.4766909.
E. Iswandy, “Sistem Penunjang Keputusan untuk Menentukan Penerimaan Dana Santunan Sosial Anak Nagari dan Penyalurannya Bagi Mahasiswa dan Pelajar Kurang Mampu di Kenagarian Barung – Barung Balantai Timur,” TEKNOIF, vol. 10, 2015.
A. Cahyat, C. Gönner, and M. Haug, “Mngkaji Kemiskinan dan Kesejahteraa,” Bogor: Center For International Forestry Research, 2007.
E. Prasetyo, “Data Mining Mengelola Data Menjadi Informasi Menggunakan Matlab,” Yogyakarta: Andi, 2014.
S. D. Agustina, “Pengelompokan Jurnal Internasional Terindeks Scopus Menggunakan Self Organizing Maps Algorithm,” 2017.
