Penerapan Algoritma K-Means Untuk Mengelompokkan Kepadatan Penduduk Di Provinsi DKI Jakarta

DOI: https://doi.org/10.52158/jacost.v5i1.477
I will put the dimension here
Keywords: Population Density, Data Mining, Clustering, K-Means

Abstract

DKI Jakarta Province is an attraction for immigrants. If the population increases, if it cannot be resolved and managed well, it will result in bad things such as increasing the number of unemployed and affecting economic growth. Population data is used to help group regions based on population density in DKI Jakarta Province in 2019-2022 using the K-Means clustering method. From the results of the research, it provides a solution for the government to pay attention to population groups with the aim of preventing population density because it causes bad effects, so that community welfare is more guaranteed, so grouping (clustering) of provinces in DKI Jakarta is needed to provide information for people who wish to live in the Province DKI Jakarta. The research proves that the test results carried out clustering iterations of population density data were obtained in three iterations. For the results obtained by calculations using the K-Means method and using the rapidminer application, the results obtained were of the same value, namely the cluster with the highest population density of three districts/cities, namely South Jakarta, East Jakarta and West Jakarta whose population density continues to increase.

Downloads

Download data is not yet available.

References

I. Bawinti, G. M. V Kawung, and A. Y. Luntungan, “Pengaruh Pengeluaran Pemerintah Dan Investasi Swasta Terhadap Pertumbuhan Ekonomi Di Kabupaten Kepulauan Talaud,” J. Berk. Ilm. Efisiensi, vol. 18, no. 4, p. 27, 2018.

S. S. S, A. T. Purba, and F. O. I. Pardede, “Pengelompokan Jumlah Penduduk Berdasarkan Kategori Usia Dengan Metode K-Means,” J. Tek. Inf. dan Komput., vol. 2, no. 2, p. 166, 2019, doi: 10.37600/tekinkom.v2i2.115.

D. S. M. Simanjuntak, I. Gunawan, S. Sumarno, P. Poningsih, and I. P. Sari, “Penerapan Algoritma K-Medoids Untuk Pengelompokkan Pengangguran Umur 25 tahun Keatas Di Sumatera Utara,” J. Krisnadana, vol. 2, no. 2, 2023, doi: 10.58982/krisnadana.v2i2.264.

M. A. Muminin and W. Hidayat, “Pengaruh Pertumbuhan Ekonomi Dan Jumlah Penduduk Terhadap Tingkat Pengangguran Terbuka Di Kabupaten/Kota Provinsi Jawa Timur Tahun 2011-2015,” J. Ilmu Ekon., vol. 1, pp. 374–384, 2017.

D. Gultom, I. Gunawan, I. Purnamasari, S. R. Andani, and Z. A. Siregar, “Penerapan Algoritma K-Means Dalam Pengelompokan Kepadatan Penduduk Menurut Kecamatan di Kabupaten Simalungun,” TIN Terap. Inform. Nusant., vol. 2, no. 10, pp. 622–628, 2022, doi: 10.47065/tin.v2i10.1375.

P. Marpaung and 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, pp. 503–521, 2021.

A. Fitria Yulia and H. Widi Nugroho, “Implementasi Algoritma K-Means Classifier Sebagai Pendukung Keputusan Penerima Dana Bantuan Siswa Miskin (Studi Kasus : SMKN Sukoharjo),” in Seminar Nasional Hasil Penelitian dan Pengabdian Masyarakat 2022, 2022, pp. 48–57.

Y. R. Sembiring, Saifullah, and R. Winanjaya, “Implementasi Data Mining Dalam Mengelompokkan Jumlah Penduduk Miskin Berdasarkan Provinsi Menggunakan Algoritma,” KESATRIA J. Penerapan Sist. Inf. (Komputer Manajemen) Vol. 2, No. 2, vol. 2, no. 2, pp. 125–132, 2021.

I. Nasution, A. P. Windarto, and M. Fauzan, “Penerapan Algoritma K-Means Dalam Pengelompokan Data Penduduk Miskin Menurut Provinsi,” Build. Informatics, Technol. Sci., vol. 2, no. 2, pp. 76–83, 2020, doi: 10.47065/bits.v2i2.492.

V. Kurnia Bakti and A. Rakhman, “Klasterisasi Dokumen Penelitian Perguruan Tinggi Menggunakan K-Means clustering, Sebagai Analisa Penerapan Sistem Temu Kembali,” Smart Comp Jurnalnya Orang Pint. Komput., vol. 10, no. 3, pp. 167–169, 2021, doi: 10.30591/smartcomp.v10i3.2941.

D. N. Alfiansyah, V. R. S. Nastiti, and N. Hayatin, “Penerapan Metode K-Means pada Data Penduduk Miskin Per Kecamatan Kabupaten Blitar,” J. Repos., vol. 4, no. 1, pp. 49–58, 2022, doi: 10.22219/repositor.v4i1.1416.

H. Sibarani, Solikhun, W. Saputra, I. Gunawan, and Z. M. Nasution, “Penerapan Metode K-Means Untuk Pengelompokkan Kabupaten/Kota Di Provinsi Sumatera Utara Berdasarkan Indikator Indeks Pembangunan Manusia,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 1, pp. 154–161, 2022, doi: 10.36040/jati.v6i1.4590.

L. Y. Hutabarat, “Kmeans-jumlah penduduk siantar,” vol. 2, no. 2, pp. 20–26, 2021.

M. A. Muslim, B. Prasetiyo, E. L. H. Mawarni, and A. J. Herowati, Data Mining Algoritma C4.5, Pertama., no. December. Semarang: ILKOM UNNES, 2019.

Mustika et al., DATA MINING DAN APLIKASINYA, Pertama. Bandung: Widina Bhakti Persada Bandung, 2021.

R. Anand and D. U. Jeffrey, Mining of Massive Datasets. California: Cambridge University Press, 2011.

Published
2024-03-24
How to Cite
[1]
F. Handayanna and S. Sunarti, “Penerapan Algoritma K-Means Untuk Mengelompokkan Kepadatan Penduduk Di Provinsi DKI Jakarta”, J. Appl. Comput. Sci. Technol., vol. 5, no. 1, pp. 50 - 55, Mar. 2024.
Section
Articles
Bookmark and Share