PENERAPAN DATA MINING MENGGUNAKAN METODE K-MEANS CLUSTERING UNTUK PENGELOMPOKKAN STATUS KEMISKINAN DI PAPUA

Mustaqdimin, Salsabil Haq (2025) PENERAPAN DATA MINING MENGGUNAKAN METODE K-MEANS CLUSTERING UNTUK PENGELOMPOKKAN STATUS KEMISKINAN DI PAPUA. Skripsi thesis, ITN MALANG.

	Text 2018048_COVER.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
	Text 2018048_BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (140kB)
	Text 2018048_BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (179kB) | Request a copy
	Text 2018048_BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (884kB) | Request a copy
	Text 2018048_BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (716kB) | Request a copy
	Text 2018048_BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (119kB) | Request a copy
	Text 2018048_DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (97kB)
	Text 2018048_LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (8MB) | Request a copy

Abstract

Kemiskinan merupakan masalah serius di banyak wilayah Indonesia, termasuk di Provinsi Papua. Berdasarkan data Badan Pusat Statistik (BPS) pada Maret 2024, jumlah penduduk miskin di Provinsi Papua mencapai 152,91 ribu orang dengan persentase 17,26%. Masalah kemiskinan di Papua berhubungan erat dengan faktor-faktor sosial, ekonomi, dan geografis yang kompleks, sehingga memerlukan pendekatan yang tepat dalam upaya penanggulangan. Salah satu pendekatan yang dapat digunakan adalah analisis klaster, yang memungkinkan pengelompokan wilayah berdasarkan karakteristik kemiskinan yang serupa. Penelitian ini menggunakan algoritma K-Means Clustering untuk mengidentifikasi kelompok variabel yang memengaruhi tingkat kemiskinan di Provinsi Papua. Dari hasil analisis terhadap 29 data, ditemukan tiga cluster: Cluster 1 (tinggi) terdiri dari 15 daerah, Cluster 2 (sedang) terdiri dari 6 daerah, dan Cluster 3 (rendah) terdiri dari 8 daerah. Hasil ini memberikan wawasan mengenai distribusi kemiskinan yang dapat menjadi acuan bagi pemerintah daerah dalam merumuskan kebijakan yang lebih efektif. Selain itu, penelitian ini juga melakukan pengujian sistem (blackbox) yang menunjukkan bahwa sistem pengelolaan data telah berfungsi dengan baik, dapat menangani berbagai input dengan benar, dan memberikan notifikasi yang jelas jika terjadi kesalahan input. Penelitian ini diharapkan dapat memberikan kontribusi dalam upaya pengurangan kemiskinan di Papua melalui penerapan teknologi analisis data yang tepat.

Item Type:	Thesis (Skripsi)
Additional Information:	Mustaqdimin Salsabil Haq (2018048)
Uncontrolled Keywords:	kemiskinan, Provinsi Papua, K-Means Clustering, analisis klaster, pengujian blackbox, kebijakan pemerintah.
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Mustaqdimin Salsabil Haq
Date Deposited:	18 Feb 2025 04:32
Last Modified:	18 Feb 2025 04:32
URI:	http://eprints.itn.ac.id/id/eprint/15484

Actions (login required)

View Item