Application of K-Means and K-Medoids Algorithms in Clustering of Densely Populated Areas in Riau Province
Penerapan Algoritma K-Means dan K-Medoids Dalam Pengelompokan Kepadatan Penduduk Provinsi Riau
Keywords:
Cluster, DBI, K-Means, K-Medoids, Kepadatan PendudukAbstract
Masalah tidak seimbangnya pembagian penduduk menjadi salah satu persoalan memiliki keterkaitan dengan kependudukan yang dihadapi oleh Riau. Adanya pembagian yang tidak merata dapat menyebabkan masalah pada tingkat kepadatan di sebuah area. Penelitian ini memanfaatkan informasi yang bersumber dari Badan Pusat Statistik (BPS). Penelitian ini mengambil sampel data dari tahun 2010-2021 dan terdiri dari 12 kabupaten. Untuk itu, dilakukan perbandingan algoritma K-Means dan K-Medoids oleh peneliti dimana tujuannya adalah menemukan hasil terbaik. Berdasarkan penelitian yang dilakukan, algoritma K-Means memiliki kinerja yang lebih memuaskan dibandingkan dengan K-Medoids dalam melakukan klasterisasi data kepadatan penduduk Riau. Hasil penelitian ini ditunjukkan dengan nilai yang dihasilkan yaitu DBI pada algoritma K-means sebesar 0.001 untuk percobaan K=2.
References
D. Gultom, I. Gunawan, I. Purnamasari, S. R. Andani, dan Z. A. Siregar, “Penerapan Algoritma K-Means Dalam Pengelompokan Kepadatan Penduduk Menurut Kecamatan di Kabupaten Simalungun,” TIN Terap. Inform. Nusant., vol. 2, no. 10, hal. 622–628, 2022, doi: 10.47065/tin.v2i10.1375.
G. J. Vietz, I. D. Rutherfurd, C. J. Walsh, Y. E. Chee, dan B. E. Hatt, “The unaccounted costs of conventional urban development: protecting stream systems in an age of urban sprawl,” 7th Aust. Stream Manag. Conf. - Full Pap., hal. 1–7, 2014, [Daring]. Tersedia pada: http://7asm-2014.p.asnevents.com.au/schedule/abstract/10793%5Cnpapers2://publication/uuid/59DBA754-180C-4174-8B64-493905B9D1DF
C. J. Heckman, “Public Parks and Shady Areas in Times of Climate Change, Urban Sprawl, and Obesity,” Am. J. Public Health, vol. 107, no. 12, hal. 1856–1858, 2017, doi: 10.2105/AJPH.2017.304140.
L. Liu, Z. Peng, H. Wu, H. Jiao, Y. Yu, dan J. Zhao, “Fast identification of urban sprawl based on K-means clustering with population density and local spatial entropy,” Sustain., vol. 10, no. 8, 2018, doi: 10.3390/su10082683.
D. Bakce, A. Syahza, dan B. Asmit, “Pembangunan Ekonomi Wilayah Perbatasan Antar-Negara di Provinsi Riau,” Unri Conf. Ser. Agric. Food Secur., vol. 1, no. 1, hal. 182–189, 2019, doi: 10.31258/unricsagr.1a24.
R. M. Sabiq dan N. Nurwati, “Pengaruh Kepadatan Penduduk Terhadap Tindakan Kriminal,” J. Kolaborasi Resolusi Konflik, vol. 3, no. 2, hal. 161, 2021, doi: 10.24198/jkrk.v3i2.35149.
P. Marpaung dan R. F. Siahaan, “Penerapan Algoritma K-Means Clustering Untuk Pemetaan Kepadatan Penduduk Berdasarkan Jumlah Penduduk Kota Medan,” J. Sains Komput. Inform., vol. 5, no. 1, hal. 503–521, 2021.
I. Puspita, L. Ibrahim, dan D. Hartono, “Penurunan Kualitas Air Sungai Karang Anyar Kota Tarakan ( Influence of The Behavior of Citizens Residing in Riverbanks to The Decrease of Water Quality in The River of Karang Anyar Tarakan City ) 1Program Magister Ilmu Lingkungan , Program Pascasarjana ,” Mns. Dan Lingkung., vol. 23, no. 2, hal. 249–258, 2016.
R. Handayani, “Analisis Dampak Kependudukan terhadap Tingkat Kriminalitas di Provinsi Banten,” J. Adm. Publik, vol. 8, no. 2, hal. 149–169, 2017.
A. P. Kusuma dan D. M. Sukendra, “Analisis Spasial Kejadian Demam Berdarah Dengue Berdasarkan Kepadatan Penduduk,” Unnes J. Public Heal., vol. 5, no. 1, hal. 48, 2016, doi: 10.15294/ujph.v5i1.9703.
M. J. Hamid Mughal, “Data mining: Web data mining techniques, tools and algorithms: An overview,” Int. J. Adv. Comput. Sci. Appl., vol. 9, no. 6, hal. 208–215, 2018, doi: 10.14569/IJACSA.2018.090630.
C. Pahl dan D. Donnellan, “Data Mining Technology for the Evaluation of Web-based Teaching and Learning Systems,” Conf. E-Learning Business, Gov. High. Educ., hal. 1–6, 2002.
N. T. Luchia, H. Handayani, F. S. Hamdi, D. Erlangga, dan S. Fitri Octavia, “Perbandingan K-Means dan K-Medoids Pada Pengelompokan Data Miskin di Indonesia,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 2, no. 2, hal. 35–41, 2022.
G. Gustientiedina, M. H. Adiya, dan Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan,” J. Nas. Teknol. dan Sist. Inf., vol. 5, no. 1, hal. 17–24, 2019, doi: 10.25077/teknosi.v5i1.2019.17-24.
I. Kamila, U. Khairunnisa, dan M. Mustakim, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau,” J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 5, no. 1, hal. 119, 2019, doi: 10.24014/rmsi.v5i1.7381.
V. A. P. Sangga, “Perbandingan Algoritma K-Means dan Algoritma K-Medoids dalam Pengelompokan Komoditas Peternakan di Provinsi Jawa Tengah Tahun 2015,” 2018.
J. Arianto, “Penerapan Data Mining Untuk Pengelompokan Penduduk Kurang Mampu Desa Sambirejo Timur Dengan Algoritma K-Medoids (Studi Kasus Kantor Kepala Desa Sambirejo Timur),” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, hal. 569–573, 2019, doi: 10.30865/komik.v3i1.1660.
M. Herviany, S. P. Delima, T. Nurhidayah, dan Kasini, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokkan Daerah Rawan Tanah Longsor di Provinsi Jawa Barat,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 1, no. 1, hal. 34–40, 2021, [Daring]. Tersedia pada: https://journal.irpi.or.id/index.php/malcom/article/view/60
D. T. Savra, Nabiilah, I. Ramadhani, A. Syahroni, dan P. H. Noprita, “Implementation of Multi Factor Evaluation Process (MFEP) for Choosing New Students in Baabussalam Foundation Implementasi Algoritma Multi Factor Evaluation Process (MFEP) untuk Penentuan Calon Peserta Didik Baru pada Yayasan Baabussalam,” MALCOMIndonesian J. Mach. Learn. Comput. Sci., vol. 2, no. 2, hal. 53–60, 2022, [Daring]. Tersedia pada: https://journal.irpi.or.id/index.php/malcom/article/view/428
K. P. Sinaga dan M. S. Yang, “Unsupervised K-means clustering algorithm,” IEEE Access, vol. 8, hal. 80716–80727, 2020, doi: 10.1109/ACCESS.2020.2988796.
A. Saxena et al., “A review of clustering techniques and developments,” Neurocomputing, vol. 267, hal. 664–681, Des 2017, doi: 10.1016/J.NEUCOM.2017.06.053.
D. L. Davies dan D. W. Bouldin, “A Cluster Separation Measure,” IEEE Trans. Pattern Anal. Mach. Intell., vol. PAMI-1, no. 2, hal. 224–227, 1979, doi: 10.1109/TPAMI.1979.4766909.
