PENGELOMPOKAN KABUPATEN/KOTA DI PULAU KALIMANTAN PADA TAHUN 2020 DAN 2021 BERDASARKAN INDEKS PEMBANGUNAN MANUSIA MENGGUNAKAN METODE ALGORITMA ST-DBSCAN

JURNAL RISET PEMBANGUNAN Pub Date : 2023-12-21 DOI:10.36087/jrp.v6i1.139

Binda Aprilia Suryani, Memi Nor Hayati, Surya Prangga

{"title":"PENGELOMPOKAN KABUPATEN/KOTA DI PULAU KALIMANTAN PADA TAHUN 2020 DAN 2021 BERDASARKAN INDEKS PEMBANGUNAN MANUSIA MENGGUNAKAN METODE ALGORITMA ST-DBSCAN","authors":"Binda Aprilia Suryani, Memi Nor Hayati, Surya Prangga","doi":"10.36087/jrp.v6i1.139","DOIUrl":null,"url":null,"abstract":"Clustering merupakan suatu teknik menganalisis pengelompokan berbeda terhadap data. Spatial Temporal-Density Based Spatial Clustering of Applications with Noise (ST-DBSCAN) adalah algoritma pengelompokan berbasis kepadatan (density) yang memiliki kemampuan untuk mencari pengelompokan berdasarkan data spasial, data temporal, dan data non-spasial dari objek. Tujuan dari penelitian ini adalah untuk mengetahui nilai Silhouette Coefficient (SC) dan hasil pengelompokan data IPM pada 56 Kabupaten/Kota di Pulau Kalimantan. Perhitungan nilai SC melibatkan parameter Eps1 untuk data spasial, Eps2 untuk data temporal dan MinPts. Nilai Parameter Eps1 dan MinPts disimulasikan secara trial and error untuk menghasilkan nilai SC terbesar. Nilai parameter Eps1= 1 sampai dengan Eps1= 5 Eps2 = 2 dan MinPts= 4 sampai dengan MinPts= 6. Berdasarkan hasil nilai SC yang tertinggi pada pengelompokan kabupaten/kota di Pulau Kalimantan menggunakan algoritma ST-DBSCAN adalah 0,324 yaitu terbentuk sebanyak 2 cluster dengan cluster pertama beranggotakan 42 kabupaten/kota dan cluster nol atau outlier beranggotakan 14 Kabupaten/Kota.","PeriodicalId":326504,"journal":{"name":"JURNAL RISET PEMBANGUNAN","volume":"20 15","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-12-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JURNAL RISET PEMBANGUNAN","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36087/jrp.v6i1.139","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Clustering merupakan suatu teknik menganalisis pengelompokan berbeda terhadap data. Spatial Temporal-Density Based Spatial Clustering of Applications with Noise (ST-DBSCAN) adalah algoritma pengelompokan berbasis kepadatan (density) yang memiliki kemampuan untuk mencari pengelompokan berdasarkan data spasial, data temporal, dan data non-spasial dari objek. Tujuan dari penelitian ini adalah untuk mengetahui nilai Silhouette Coefficient (SC) dan hasil pengelompokan data IPM pada 56 Kabupaten/Kota di Pulau Kalimantan. Perhitungan nilai SC melibatkan parameter Eps1 untuk data spasial, Eps2 untuk data temporal dan MinPts. Nilai Parameter Eps1 dan MinPts disimulasikan secara trial and error untuk menghasilkan nilai SC terbesar. Nilai parameter Eps1= 1 sampai dengan Eps1= 5 Eps2 = 2 dan MinPts= 4 sampai dengan MinPts= 6. Berdasarkan hasil nilai SC yang tertinggi pada pengelompokan kabupaten/kota di Pulau Kalimantan menggunakan algoritma ST-DBSCAN adalah 0,324 yaitu terbentuk sebanyak 2 cluster dengan cluster pertama beranggotakan 42 kabupaten/kota dan cluster nol atau outlier beranggotakan 14 Kabupaten/Kota.

查看原文本刊更多论文

使用 st-dbscan 算法方法，根据人类发展指数对 2020 年和 2021 年加里曼丹岛上的地区/城市进行分组

聚类是一种分析不同数据分组的技术。基于空间-时间-密度的带噪声空间聚类应用（ST-DBSCAN）是一种基于密度的聚类算法，它具有根据空间数据、时间数据和来自对象的非空间数据寻找聚类的能力。本研究的目的是确定剪影系数（SC）值和加里曼丹岛 56 个区/市人类发展指数数据的聚类结果。SC 值的计算涉及空间数据的 Eps1 参数、时间数据的 Eps2 参数和 MinPts 参数。参数值 Eps1 和 MinPts 通过试验和误差进行模拟，以产生最大 SC 值。参数值 Eps1 = 1 至 Eps1 = 5 Eps2 = 2 和 MinPts = 4 至 MinPts = 6。根据结果，使用 ST-DBSCAN 算法对加里曼丹岛各区/市进行聚类的最高 SC 值为 0.324，形成了多达 2 个聚类，第一聚类由 42 个区/市组成，零聚类或异常值由 14 个区/市组成。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

JURNAL RISET PEMBANGUNAN

自引率

0.00%

发文量