Penerapan Algoritma Fuzzy C-Means Untuk Pengelompokkan Kemiskinan Di Kabupaten/kota Provinsi Aceh

Abstract

Kemiskinan telah menjadi masalah yang tidak asing lagi bagi Indonesia. Meski begitu, masalah puing-puing sampai saat ini masih menjadi masalah yang larut-larut. Penelitian ini bertujuan mengelompokkan kabupaten provinsi Aceh berdasarkan angka kemiskinan tahun 2021 menggunakan data mining fuzzy cmans. Karena provinsi Aceh termasuk dalam 5 provinsi termiskin di Indonesia. Penambangan data dikenal sebagai teknik yang digunakan untuk mengungkap pola tersembunyi dalam kumpulan data dengan tujuan menghasilkan wawasan baru. Teknik data mining salah satunya yaitu clustering. Clustering adalah teknik data mining yang digunakan untuk mengelompokkan data berdasarkan kemiripannya ke dalam kelompok-kelompok yang dikenal dengan cluster. Terdapat beberapa algoritma yang digunakan dalam klasterisasi, salah satunya adalah algoritma Fuzzy C-Means (FCM) Clustering. Algoritma FCM dapat membantu pemerintah dalam strategi pengentasan kemiskinan dengan menyesuaikan manajemen strategi mereka untuk kelompok-kelompok tertentu. Hasil penelitian menunjukkan tiga kelompok dengan distrik-distrik yang berbeda pada setiap kelompok. Validasi metode FCM menunjukkan kualitas yang baik dengan nilai Fuzzy Silhouette Index (FSI) sebesar 0,537. Modified Partition Coefficient Index (MPCI) juga menunjukkan kualitas kelompok yang baik dengan nilai 0,441. Davies Bouldin Index (DBI) menunjukkan nilai 1.074 yang menunjukkan hasil clustering cukup baik karena nilai validasi DBI berkisar antara 0 hingga tak terhingga. Hasil penelitian menunjukkan tiga kelompok dengan distrik-distrik yang berbeda pada setiap kelompok. Validasi metode FCM menunjukkan kualitas yang baik dengan nilai Fuzzy Silhouette Index (FSI) sebesar 0,537. Modified Partition Coefficient Index (MPCI) juga menunjukkan kualitas kelompok yang baik dengan nilai 0,441. Davies Bouldin Index (DBI) menunjukkan nilai 1.074 yang menunjukkan hasil clustering cukup baik karena nilai validasi DBI berkisar antara 0 hingga tak terhingga. Hasil penelitian menunjukkan tiga kelompok dengan distrik-distrik yang berbeda pada setiap kelompok. Validasi metode FCM menunjukkan kualitas yang baik dengan nilai Fuzzy Silhouette Index (FSI) sebesar 0,537. Modified Partition Coefficient Index (MPCI) juga menunjukkan kualitas kelompok yang baik dengan nilai 0,441. Davies Bouldin Index (DBI) menunjukkan nilai 1.074 yang menunjukkan hasil clustering cukup baik karena nilai validasi DBI berkisar antara 0 hingga tak terhingga.