Pemetaan Wilayah Desa di Kabupaten Kediri dengan Data Mining

CATUR ARTA PAMUNGKAS; DWI SUKMA DONORIYANTO

doi:10.26760/mindjournal.v9i2.124-134

Pemetaan Wilayah Desa di Kabupaten Kediri dengan Data Mining

CATUR ARTA PAMUNGKAS, DWI SUKMA DONORIYANTO

Sari

ABSTRAK

Kediri yang terdiri dari beberapa wilayah memiliki kelebihan dan kekurangan sehingga perlu diketahui potensi wilayahnya agar dapat mencukupi satu sama lain. Potensi wilayah ini dapat dilakukan dengan pemetaan menggunakan metode complate linkage, metode klasifikasi, dan analisis biplot berdasarkan potensi wilayah tiap desa. Dengan metode ini penyebaran dan sifat data secara heterogen serta heterogen dapat diketahui. Maka penelitian ini memiliki tujuan untuk mengetahui pengelompokan desa, keragaman variabel potensi, dan korelasi keunggulan tiap wilayahnya. Penelitian ini memanfaatkan data dari Badan Pusat Statistik tahun 2018 hingga 2023 agar mudah diketahui wilayah yang memiliki kekuatan komoditas wilayah dengan melihat sumber daya manusianya. Hasil dari penelitian ini menunjukkan nilai complate linkage sebesar 17859125, pada metode kalsifikasi variabel jumlah SMA homogen dan variabel kepala keluarga heterogen, sedangkan untuk analisis biplot menghasilkan nilai sebesar 75,6%.

Kata kunci: Analisis Biplot, Data Mining, Kediri, Faktor variabel, Pemetataan wilayah

ABSTRACT

Kediri has several regions that have advantages and disadvantages, so it is necessary to know the potential of the regions so that they can be sufficient for each other. This regional potential can be done by mapping using the complate linkage method, classification method, and biplot analysis based on the regional potential of each village. With this method, the distribution and heterogeneous nature of data can be known. So this research aims to determine village groupings, the diversity of potential variables, and the correlation between the advantages of each region. This research utilizes data from the Badan Pusat Statistik 2018 to 2023 so that it is easy to identify regions that have regional commodity strengths by looking at their human resources. The results of this research show a complate linkage value of 17859125, in the classification method for the variable number of homogeneous high school students and the variable for heterogeneous family heads, while the biplot analysis produces a value of 75.6%.

Keywords: Area mapping, Biplot Analysis, Data Mining, Kediri, Variable factors

Teks Lengkap:

PDF

Referensi

Alghani, M. T., & Marhaeni. (2023). Analisis Cluster terhadap Tindakan Kekerasan di Indonesia dengan Algoritma Cluster Hirarki Menggunakan Metode Word. Jurnal Rekayasa Informasi, 12(1), 35–40.

Cantika, V. M. (2019). Pengelompokan Kecamatan Di Kabupaten Minahasa Berdasarkan Data Hasil Produksi Pertanian Tahun 2019 dengan Menggunakan Analisis Komponen Utama dan Analisis Gerombol. Jurnal Matematika Dan Aplikasi, 11.

Defitri, L. C. (2024). Normalisasi Data Siswa Dengan Model Desimal Scaling Untuk Siswa Menerima Bantuan Dengan Algoritma K-Medoids. Jurnal Bulletin Information Systems, 1(2), 55–59.

Dwipurwani, O., Cahyawati, D., & Susanti, E. (2022). Analisis Biplot Robust dengan Metode Minimum Covariance Determinant dalam Mendeskripsikan Provinsi Sumatera Selatan Berdasarkan Karakteristik Angkatan Kerja Menganggur Dari Aspek Gender. 10(1), 54–65.

Fiqa, A. P., Nursafitri, T. H., Fauziah, F., & Masudah, S. (2021). Pengaruh faktor lingkungan terhadap pertumbuhan beberapa aksesi Dioscorea alata L terpilih koleksi kebun raya purwodadi. Jurnal AGRO, 8(1), 25–39. https://doi.org/10.15575/10594

Lusiana, F. O., Fatma, I., & Windarto, A. P. (2021). Estimasi Laju Pertumbuhan Penduduk Menggunakan Metode Regresi Linier Berganda Pada BPS Simalungun. Journal of Informatics Management and Information Technology, 1(2), 79–84. https://doi.org/10.47065/jimat.v1i2.104

Mustari, K. A., Assiroj, P., Hartati, B., & Samuel, F. (2024). Implementasi Data Mining Pada Instansi Pemerintahan ( Systematic Literature Review). JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 3137–3142. https://doi.org/https://doi.org/10.36040/jati.v8i3.9618

Pratama, S. P. (2023). Analisis Data Mining Assosiasi FP-Growth Pada Penjualan Produk di Toko Ritel Agung. Jurnal Tekinkom (Teknik Informasi Dan Komputer, 6(1), 63–71. https://doi.org/10.37600/tekinkom.v6i1.744

Riani, A. P., Voutama, A., & Ridwan, T. (2023). Penerapan K-Means Clustering Dalam Pengelompokan Hasil Belajar Peserta Didik Dengan Metode Elbow. J-SISKO TECH (Jurnal Teknologi Sistem Informasi Dan Sistem Komputer TGD), 6(1), 164. https://doi.org/10.53513/jsk.v6i1.7351

Sholeh, M., Nurnawati, E. K., & Lestari, U. (2023). Penerapan Data Mining dengan Metode Regresi Linear untuk Memprediksi Data Nilai Hasil Ujian Menggunakan RapidMiner. JISKA (Jurnal Informatika Sunan Kalijaga), 8(1), 10–21. https://doi.org/10.14421/jiska.2023.8.1.10-21

Tamara, R. (2023). Data Mining Penentuan Jurusan Siswa Menggunakan Metode Agglomerative Hierarchical Clustering (AHC). Jurnal Media Informatika Budidarma, 07(02), 873–880. https://doi.org/10.30865/mib.v7i2.6092

Thamrin, D. (2021). Analisisi Basis Metodedekomposisinilai Singular Dalam Menentukan Solusi Sistem Persamaan Linear. Jurnal Elektonik Universitas Cendrawasih, 35–40.

Zah, A. I., Sa’idah, A., Zuleika, T., Syahfitri, N., Amelia, D., & Mardianto, M. F. F. (2023). Analisis Biplot pada Persebaran Penduduk Berumur 15 Tahun Ke Atas yang Bekerja Menurut Lapangan Pekerjaan Utama dan Pendidikan Tertinggi yang Ditamatkan. Zeta - Math Journal, 8(1), 16–22. https://doi.org/10.31102/zeta.2023.8.1.16-22

DOI: https://doi.org/10.26760/mindjournal.v9i2.124-134