Implementasi K-Means Clushtering Dalam Mengelompokkan Minat Membaca Penduduk Menurut Wilayah

Muhammad Yuda Rizki, Siti Maysaroh, Agus Perdana Windarto

Abstract


Membaca adalah salah satu kegiatan yang sangat bermanfaat dan membaca dapat menambah dan memperluas wawasan dan ilmu pengetahuan yang sudah kita miliki.Di era teknologi ini banyak sekali masyarakat yang sudah tidak peduli lagi dengan membaca karena beberapa faktor terutama rasa malas yang ada di dalam diri.Penelitian ini membahas tentang “Implementasi K-Means Clushtering Dalam Mengelompokkan Minat Membaca Penduduk Menurut Wilayah”.Data di dalam penelitian ini di ambil dari sebuah website pemerintah yakni BPS(Badan Pusat Statistik) www.bps.go.id.Peneliti menggunakan algoritma K-Means dan mengelompokkannya menjadi -2 clushter atau kelompok yaitu clushter tingkat tinggi(C1) dan rendah (C2).Terdapat -33 Provinsi di Indonesia di dalam penelitian ini.Hasil dari penelitian terdapat -12 Provinsi menduduki posisi tingkat tinggi dan -21 Provinsi menduduki posisi clushter tingkat rendah.Diharapkan dengan dilakukannya penelitiaan ini dapat menjadi masukan dan informasi kepada pemerintah setiap wilayah agar melakukan sosialisasi atau kegiatan yang dapat meningkatkan minat baca penduduk tiap wilayah terutama pada wilayah yang menduduki posisi tingkat rendah(C2).


References


Farida, S. (2012). Faktor-Faktor Penyebab Keengganan Membaca. 321–327.

Iin Parlina, Agus Perdana Windarto, Anjar Wanto, M. R. L. (2018). Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center. Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center Untuk Clustering Program Sdp, 3(1), 87–93.

Metisen, B. M., & Sari, H. L. (2015). Analisis clustering menggunakan metode K-Means dalam pengelompokkan penjualan produk pada Swalayan Fadhila. Jurnal Media Infotama, 11(2), 110–118.

Sadewo, M. G., Windarto, A. P., & Hartama, D. (2017). Penerapan Datamining Pada Populasi Daging Ayam Ras Pedaging Di Indonesia Berdasarkan Provinsi Menggunakan K-Means Clustering. InfoTekJar (Jurnal Nasional Informatika Dan Teknologi Jaringan), 2(1), 60–67. https://doi.org/10.30743/infotekjar.v2i1.164




DOI: https://doi.org/10.24853/justit.11.2.41-49

Refbacks

  • There are currently no refbacks.


This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License

Statistik Pengunjung

Powered by Puskom-UMJ