Studi Perbandingan Clustering Kecamatan di Kabupaten Bojonegoro Berdasarkan Keaktifan Penduduk Dalam Kepemilikan Dokumen Kependudukan

Authors

  • Nisa Arofatus Sholikhah Universitas Nahdlatul Ulama Sunan Giri

DOI:

https://doi.org/10.32665/statkom.v1i1.443

Keywords:

Dokumen Kependudukan , K-Means , K-Medoid , X-Means , DBSCAN

Abstract

Latar   Belakang:    Dokumen kependudukan di Kabupaten Bojonegoro memiliki tingkat kepentingan yang tinggi sehingga pemerintah menyediakan aplikasi Sistem Informasi Manajemen Kependudukan (SIMDUK), namun dalam prakteknya aplikasi ini kurang efektif karena rendahnya kesadaran masyarakat dalam melengkapi dokumen kependudukan. Untuk mengatasi permasalahan ini, diperlukan adanya pengelompokan Kecamatan di Kabupaten Bojonegoro berdasarkan kelengkapan kepemilikan dokumen kependudukan.

Tujuan: Melakukan perbandingan metode-metode clustering dalam rangka mendapatkan metode terbaik sehingga bisa digunakan untuk pengelompokan Kecamatan di Kabupaten Bojonegoro.

Metode: Menerapkan metode kuantitatif berupa metode clustering yaitu K-Means, K-Medoid, X-Means, dan DBSCAN. Metode clustering terbaik dipilih berdasarkan ukuran performance vector terkecil. Sumber data berasal dari data sekunder dari Dinas Kependudukan dan Catatan Sipil Kabupaten Bojonegoro tahun 2020.

Hasil: Diperoleh metode clustering terbaik yaitu metode K-Means dengan performance vector sebesar -0,697 dalam membentuk 5 cluster yaitu cluster 1 dengan klasifikasi sangat aktif yang beranggotakan 4 kecamatan, cluster 3 dengan klasifikasi aktif beranggotakan 5 kecamatan, cluster 4 dengan klasifikasi cukup aktif beranggotakan 7 kecamatan, cluster 0 dengan klasifikasi kurang aktif beranggotakan 8 kecamatan, dan cluster 2 dengan klasifikasi tidak aktif yang beranggotakan 4 kecamatan.

Kesimpulan: Metode clustering terbaik yaitu metode K-Means yang berhasil mengelompokkan Kecamatan di Kabupaten Bojonegoro berdasarkan kelengkapan kepemilikan dokumen kependudukan, serta menginformasikan banyaknya kecamatan yang kurang aktif.

References

Adhitama, R., Burhanuddin, A., & Febriani, A. (2021). Penerapan X Means Clustering Pada UMKM Kab Banyumas Yang Mendukung Mega Shifting Consumer Behavior Akibat Covid- 19. Journal of Informatics, Information System, Software Engineering and Applications, 4(1), 71–80.

Aditia, D. R., Widyanto, R. A., & Primadewi, A. (2020). Rancang Bangun Sistem Informasi Situs Bersejarah Berbasis Web. Jurnal Komtika (Komputasi Dan Informatika), 3(1), 28–33. https://doi.org/10.31603/komtika.v3i1.3465

Anggreini, N. L., & Tresnawati, S. (2020). Komparasi Algoritma K-Means Dan K-Medoids Untuk Menangani Strategi Promosi Di Politeknik TEDC Bandung. Jurnal TEDC, 14(2), 120–127.

Blogbojonegoro. (2020). Permudah Layanan Kependudukan, Pemkab Luncurkan Aplikasi Online. https://blokbojonegoro.com/2020/05/29/permudah-layanan-kependudukan-pemkab-luncurkan-aplikasi-online/

Budiman, S., Safitri, D., & Ispriyanti, D. (2016). Perbandingan Metode K-Means Dan Metode DBSCAN Pada Pengelompokan Rumah Kost Mahasiswa Di Kelurahan Tembalang Semarang. Jurnal Gaussian, 5(4), 757–762.

Devi, A. S., Putra, I. K. G. D., & Sukarsa, I. M. (2015). Implementasi Metode Clustering DBSCAN pada Proses Pengambilan Keputusan. Lontar Komputer : Jurnal Ilmiah Teknologi Informasi, 6(3), 185–191. https://doi.org/10.24843/LKJITI.2015.v06.i03.p05

Dinasdukcapil. (2020). Aplikasi Pendaftaran Administrasi Kependudukan. https://dinasdukcapil.bojonegorokab.go.id/berita/baca/18

Hidayattullah, B. H. (2017). Kualitas Pelayanan Publik Bidang Administrasi Kependudukan Di Kecamatan Wonocolo Surabaya. JPAP: Jurnal Penelitian Administrasi Publik, 3(2), 734–739. https://doi.org/10.30996/jpap.v3i2.1253

Indonesia, P. R. (2019). Pelaksanaan Undang-Undang Nomor 23 Tahun 2006 Tentang Administrasi Kependudukan Sebagaimana Telah Diubah Dengan Undang-Undang Nomor 24 Tahun 2013 Tentang Perubahan Atas Undang-Undang Nomor 23 Tahun 2006 Tentang Administrasi Kependudukan. Lembaran Negara Republik Indonesia Nomor 6354, 1–13.

Kamila, I., Khairunnisa, U., & Mustakim. (2019). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau. Jurnal Ilmiah Rekayasa Dan Manajemen Sistem Informasi, 5(1), 119–125.

Mardalius, M. (2018). Pemanfaatan Rapid Miner Studio 8.2 Untuk Pengelompokan Data Penjualan Aksesoris Menggunakan Algoritma K-Means. JURTEKSI (Jurnal Teknologi Dan Sistem Informasi), 4(2), 123–132. https://doi.org/10.33330/jurteksi.v4i2.36

Maruapey, M. H. (2019). Urgensi Tata Kelola Inovasi Perekaman Data Dan Dokumen Kependudukan. Jurnal Governansi, 5(1), 54–69. https://doi.org/10.30997/jgs.v5i1.1705

Mughnyanti, M., Efendi, S., & Zarlis, M. (2020). Analysis of determining centroid clustering x-means algorithm with davies-bouldin index evaluation. IOP Conference Series: Materials Science and Engineering, 725(1), 012128. https://doi.org/10.1088/1757-899X/725/1/012128

Naeem, S., & Wumaier, A. (2018). Study and Implementing K-mean Clustering Algorithm on English Text and Techniques to Find the Optimal Value of K. International Journal of Computer Applications, 182(31), 7–14. https://doi.org/10.5120/ijca2018918234

Pramesti, D. F., Furqon, M. T., & Dewi, C. (2017). Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas(Hotspot). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 1(9), 723–732.

Radwan, A., Kamarudin, N., Solihin, M. I., Leong, H., Rizon, M., Desa, H., & Azizan, M. A. Bin. (2020). X -means Clustering for Wireless Sensor Networks. Journal of Robotics, Networking and Artificial Life, 7(2), 111–115. https://doi.org/10.2991/jrnal.k.200528.008

Rahmawati, L., Widya Sihwi, S., & Suryani, E. (2016). Analisa Clustering Menggunakan Metode K-Means Dan Hierarchical Clustering (Studi Kasus : Dokumen Skripsi Jurusan Kimia, FMIPA, Universitas Sebelas Maret). Jurnal Teknologi & Informasi ITSmart, 3(2), 66. https://doi.org/10.20961/its.v3i2.654

Safitri, D., Wuryandari, T., & Rahmawati, R. (2017). Metode DBSCAN Untuk Pengelompokan Kabupaten/Kota Di Provinsi Jawa Tengah Berdasarkan Produksi Padi Sawah Dan Padi Ladang. Jurnal Statistika, 5(1), 8–13.

Silitonga, P. (2016). Analisis Pola Penyebaran Penyakit Pasien Pengguna Badan Penyelenggara Jaminan Sosial (Bpjs) Kesehatan Dengan Menggunakan Metode DBSCAN Clustering (Studi Kasus Rumah Sakit Umum Pusat Haji Adam Malik Medan). Jurnal TIMES, 5(1), 36–39.

Wijayanto, A. (2019). Penggunaan X-Means Clustering Method untuk Mengelompokkan Potensi Sekolah Menengah Unggul di Kabupaten Banyumas. Journal of Informatics, Information System, Software Engineering and Applications (INISTA), 2(1), 80–88. https://doi.org/10.20895/inista.v2i1.99

Downloads

Published

2022-06-30

How to Cite

Sholikhah, N. A. (2022). Studi Perbandingan Clustering Kecamatan di Kabupaten Bojonegoro Berdasarkan Keaktifan Penduduk Dalam Kepemilikan Dokumen Kependudukan. Jurnal Statistika Dan Komputasi, 1(1), 42–53. https://doi.org/10.32665/statkom.v1i1.443

Issue

Section

Articles