Integrasi Particle Swam Optimization Menggunakan K-Means untuk Klasterisasi Pengangguran di Kota Pagar Alam

Deka Agustina; Yogi Isro  Mukti; Siti  Muntari

doi:10.55382/jurnalpustakaai.v3i1.543

Authors

Deka Agustina Institut Teknologi Pagar Alam
Yogi Isro Mukti Institut Teknologi Pagar Alam
Siti Muntari Institut Teknologi Pagar Alam

DOI:

https://doi.org/10.55382/jurnalpustakaai.v3i1.543

Keywords:

CRIP-DM, davis bouldin index, k-means, pengangguran, particle swam optimization

Abstract

Penelitian ini dilatar belakangi oleh masalah pengangguran yang masih signifikan di kota Pagar Alam yang akan berdampak pada kondisi ekonomi maupun sosial, semakin tinggi tingkat pengangguran menandakan masih adanya ketimpangan antara pencari kerja dan kesempatan kerja itu sendiri. Tujuan dari penelitian ini adalah untuk mengklasterisasi pengangguran di kota Pagar Alam menggunakan K-Means yang dioptimasi menggunakan Particle Swam Optimization (PSO). Metode data mining yang di gunakan yaitu Cross Industry Standered Process For Data Mining (CRIP-DM) yang terdiri dari 6 tahapan dimulai dari busssines understanding, data preparation, modeling, evaluation dan deployment. Atribut yang digunakan yaitu, tahun, umur, jenis kelamin, pendidikan dan kecamatan. Menghasilkan 2 cluster, cluster_0 sebanyak 616 dan cluster_1 sebanyak 69. Tahap pengujian menggunakan Davies Bouldin Index untuk mengetahui baik tidaknya performa suatu cluster yang di didapatkan nilai 0.60 , sedangkan pengujian menggunakan Davies Bouldin Index yang sudah dioptimasi dengan particle swam optimization mendaptkan nilai lebih rendah yaitu 0.59 berhasil meningkatkan hasil cluster pada k-means.

Downloads

Download data is not yet available.

References

S. Muharni and S. Andriyanto, “Penerapan Metode K-Means Clustering Pada Data Tingkat Pengangguran Terbuka,” vol. 22, no. 01, pp. 89–99, 2022.

G. A. Antika, D. Kurnia, and S. Munawaroh, “Analisi Kritis Terkait Efektivitas Program Pelatihan dan Produktivitas Tenaga Kerja dalam Mengurangi Angka Pengangguran Oleh Dinas Tenaga Kerja Kota Cimahi pada Masa Covid Covid-19 Tahun 2021,” vol. 6, no. 1, pp. 42–64, 2022.

M. R. Oktavia, “Pengaruh Inflasi , Indeks Pembangunan Manusia , Dan Upah,” vol. 5, no. 2, pp. 94–102, 2021.

R. P. Primanda, A. Alwi, D. Mustikasari, P. T. Informatika, F. Teknik, and U. M. Ponorogo, “Data Mining Seleksi Siswa Berprestasi untuk Menentukan Kelas Unggulan Menggunakan Metode K-Means Clustering (Studi Kasus di MTS Darul Fikri),” pp. 88–101, 2021.

O. Herdiana, S. Maulani, and E. A. Firdaus, “Strategi Pemasaran Produk Industri Kratif Menggunakan Algoritma K-Means Clustering Berbasis Particle Swam Optimization,” vol. 15, pp. 1–13, 2021.

I. Wahyuni, Y. A. Auliya, A. Rahmi, and W. F. Mahmudy, “Clustering Nasabah Bank Berdasarkan Tingkat Likuiditas Menggunakan Hybrid Particle Swarm Optimization dengan K-Means,” vol. 10, no. 2, pp. 24–33, 2016.

G. K. Gandhiadi, L. Putu, and I. Harini, “implementasi Fuzzy C-Mean dan Algoritma Particle Swam Optimization untuk Clustering Kabupaten/Kota di Indonesia Berdasarkan Indikator Indeks Pembangunan Manusia,” vol. 11, no. 3, pp. 191–198, 2022.

T. M. Dista and F. F. Abdulloh, “Clustering Pengunjung Mall Menggunakan Metode K-Means dan Particle Swarm Optimization,” vol. 6, pp. 1339–1348, 2022, doi: 10.30865/mib.v6i3.4172.

I. N. M. Adiputra, “Clustering Penyakit Dbd Pada Rumah Sakit Dharma Kerti Menggunakan Algoritma K-Means,” Inser. Inf. Syst. Emerg. Technol. J., vol. 2, no. 2, p. 99, 2022, doi: 10.23887/insert.v2i2.41673.

K. F. Irnanda, A. P. Windarto, and I. S. Damanik, “Optimasi Particle Swarm Optimization Pada Peningkatan Prediksi dengan Metode Backpropagation Menggunakan Software RapidMiner,” J. Ris. Komput., vol. 9, no. 1, pp. 122–130, 2022, doi: 10.30865/jurikom.v9i1.3836.