Komparasi Metode K-Means Dan Fuzzy C-Means Dalam Klasterisasi Kepadatan Penduduk Kabupaten Kota di Provinsi Kalimantan Selatan

Abstract

ABSTRAK Komparasi Metode K-Means Dan Fuzzy C-Means Dalam Klasterisasi Kepadatan Penduduk Kabupaten Kota di Provinsi Kalimantan Selatan (Oleh: Nur Aulia Awwaliyah; Pembimbing: Akhmad Yusuf, Yuana Sukmawaty, 2022, 49 halaman)

Pertumbuhan penduduk semakin meningkat dari tahun ke tahun sedangkan luas wilayah tidak mengalami peluasan signifikan. Kepadatan penduduk merupakan rasio penduduk dengan luas suatu wilayah administratif. Klasterisasi kepadatan penduduk kabupaten kota di Provinsi Kalimantan Selatan dilakukan untuk mengetahui konsentrasi penduduk suatu wilayah menggunakan metode klasterisasi. K-Means merupakan metode klasterisasi yaitu memecah data menjadi beberapa klaster berdasarkan jarak data terdekat terhadap pusat klaster. Fuzzy C-Means ialah metode klasterisasi pengembangan dari K-Means yaitu mengklasterisasi data ke dalam beberapa klaster berdasarkan fungsi derajat keanggotaan. Data dalam penelitian yaitu kepadatan penduduk wilayah Provinsi Kalimantan Selatan tahun 2003-2019. Metode elbow merupakan ukuran menentukan jumlah klaster optimum dengan perhitungan Sum of Square Error (SSE) dari tiap klaster untuk menentukan perubahan nilai SSE terbesar antar klaster Berdasarkan hasil penelitian, jumlah klaster optimum adalah 3 karena perubahan nilai SSE sebesar 2, 28. Nilai SSE Fuzzy C-Means lebih besar dibanding K-Means sehingga metode K-Means lebih cocok digunakan dalam penelitian ini. Klasterisasi kepadatan penduduk kabupaten kota di Provinsi Kalimantan Selatan yaitu klaster kepadatan penduduk tinggi, kepadatan penduduk sedang, dan kepadatan penduduk rendah.

Kata kunci : Klasterisasi, K-Means, Fuzzy C-Means, Kepadatan Penduduk, Elbow