Clustering Kecamatan Di Kota Bandung Berdasarkan Indikator Jumlah Penduduk Dengan Menggunakan Algoritma K-Means

Septian Wulandari

Abstract


Indonesia merupakan negara dengan jumlah penduduk terbesar ke-4 di dunia. Salah satu kota terbesar di Indonesia adalah Bandung. Hal itu dibuktikan dengan meningkatnya jumlah penduduk di Kota Bandung dari tahun ke tahun. Hal ini mengakibatkan semakin banyak populasi di Kota Bandung membuat Kota Bandung semakin padat sehingga lahan-lahan pemukiman menjadi semakin padat. Untuk membantu pemerintah dalam menghindari penumpukan penduduk di satu wilayah maka diperlukan clustering jumlah penduduk di setiap kecamatan di Kota Bandung. Oleh karena itu, dilakukan clustering kepada 30 kecamatan di Kota Bandung dengan algoritma K-Means clustering. Tahap penelitian dilakukan dengan mengumpulkan data sebanya 30 kecamatan di kota Bandung, kemudian dilakukan normalisasi data menggunakan min-max normalization, setelah dilakukan normalisasi maka langkah selanjutnya adalah clustering data menggunakan algortma Kmeans, dan tahap terakhir adalah menyimpulkan hasil penelitian. Hasil pada penelitian ini diperoleh 10 cluster yaitu cluster 1 berjumlah 264.137 jiwa, cluster 2 berjumlah 242.241 jiwa, cluster 3 berjumlah 111.152 jiwa, cluster 4 berjumlah 55.705 jiwa, cluster 5 berjumlah 180.904 jiwa, cluster 6 berjumlah 216.705 jiwa, cluster 7 berjumlah 291.338 jiwa, cluster 8 berjumlah 292.947 jiwa, cluster 9 berjumlah 250.362 jiwa, dan cluster 10 berjumlah 575.978 jiwa yang digolongkan sebagai kepadatan penduduk.

Full Text:

PDF

References


Adzima, K. R., Bustamam, A., & Aldila, D. (2019). The implementation of k-means partitioning algorithm in HOPACH clustering method. IOP Conference Series: Earth and Environmental Science, 243(1). https://doi.org/10.1088/17551315/243/1/012073 BPS. (2018). Jumlah Penduduk dan Laju Pertumbuhan Penduduk di Kota Bandung 2011 Kabupaten / Kota Program dan. Bustamam, A., Tasman, H., Yuniarti, N., Frisca, & Mursidah, I. (2017). Application of k-means clustering algorithm in grouping the DNA sequences of hepatitis B virus (HBV). AIP Conference Proceedings, 1862(July 2017). https://doi.org/10.1063/1.4991238 Jayani, D. H. (2019). Jumlah Penduduk Indonesia 269 Juta Jiwa, Terbesar Keempat di Dunia | Databoks. Katadata.Co.Id, (April), 2018. Retrieved from https://databoks.katadata.co.id/datapublis h/2019/04/29/jumlah-pendudukindonesia-269-juta-jiwa-terbesarkeempat-dunia Nasari, F., & Sianturi, C. J. M. (2016). Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Penyebaran Diare Di Kabupaten Langkat. CogITo Smart Journal, 2(2), 108. https://doi.org/10.31154/cogito.v2i2.19.1 08-119 Nasution, D. A., Khotimah, H. H., & Chamidah, N. (2019). Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN. Computer Engineering, Science and System Journal, 4(1), 78. https://doi.org/10.24114/cess.v4i1.11458 Suherni, N., & Maduratna, M. (2013). Analisis Pengelompokan Kecamatan di Kota Surabaya Berdasarkan Faktor Penyebab Terjadinya Penyakit Tuberkulosis. Jurnal Sains Dan Seni ITS, 2(1), 2337–3520. Retrieved from http://ejurnal2.its.ac.id/index.php/sains_s eni/article/view/3083 Talakua, M. W., Leleury, Z. A., & Talluta, A. W. (2017). Analisis Cluster Dengan Menggunakan Metode Provinsi Maluku Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2014 Cluster Analysis By Using K-Means Method for Grouping of District / City in Maluku Province Industrial Based on Indicators of Maluku Dev. 11, 119–128.




DOI: https://doi.org/10.30998/semnasristek.v4i1.1688

Refbacks

  • There are currently no refbacks.


SEMNAS RISTEK  indexed by: