Analisa Metode K-Means dalam Mengelompokkan Perkara Perceraian Berdasarkan Daerah Simalungun

Siti Humairoh Sa’dah, M. Safii, Iin Parlina

Abstract


Perceraian merupakan realita terpahit yang dilami oleh suatu individu, sesungguhnya benar adanya bahwa perceraian yang dilakukan akan menyelesaikan masalah yang terjadi dalam rumah tangga. Namun, tidak menutup kemungkinan akan hadir masalah baru dari dampak perceraian tersebut. Tercatat bahwa per tahunnya angka perceraian meningkat sampai dengan 10 % dengan berasumsikan perkara dengan kriteria yang pada umumnya terjadi. Dari kasus tersebut peneliti melakukan pengembangan menggunakan metode k-means clustering untuk mendapatkan daerah yang banyak melakuakan tindakan perceraian, dari hasil tersebut diharapkan hasil penelitian agar dapat memberi solusi yang tepat yakni mampu memmetakkan daerah - daerah yang melakukan perceraian. Hasil clustering menunjukkan bahwa tingkat perceraian yang tertinggi di daerah Simalungun, untuk cluster pertama sebanyak 5 daerah, untuk cluster kedua sebanyak 8 daerah dan cluster ketiga sebanyak 22 daerah.

Full Text:

PDF

References


F. Kiki and A. P. Windarto, “DATA MINING : PENERAPAN RAPIDMINER DENGAN K-MEANS CLUSTER PADA DAERAH TERJANGKIT DEMAM BERDARAH DENGUE ( DBD ) BERDASARKAN PROVINSI,” vol. 3, no. 2, pp. 173–178, 2018.

I. Parlina, A. P. Windarto, A. Wanto, and M. R. Lubis, “Memanfaatkan Algoritma K-Means dalam Menentukan Pegawai yang Layak Mengikuti Asessment Center untuk Clustering Program SDP,” CESS (Journal of Computer Engineering System and Science), vol. 3, no. 1, pp. 87–93, 2018.

M. G. Sadewo, A. P. Windarto, and D. Hartama, “Penerapan Datamining Pada Populasi Daging Ayam Ras Pedaging Di Indonesia Berdasarkan Provinsi Menggunakan K-Means,” InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan), vol. 2, no. 1, pp. 60–67, 2017.

M. G. Sadewo, A. P. Windarto, and A. Wanto, “Penerapan Algoritma Clustering dalam Mengelompokkan Banyaknya Desa/Kelurahan Menurut Upaya Antisipasi/ Mitigasi Bencana Alam Menurut Provinsi dengan K-Means,” KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), vol. 2, no. 1, pp. 311–319, 2018.

R. W. Sari, A. Wanto, and A. P. Windarto, “Implementasi Rapidminer dengan Metode K-Means (Study Kasus : Imunisasi Campak pada Balita Berdasarkan Provinsi),” KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), vol. 2, no. 1, pp. 224–230, 2018.

S. Sudirman, A. P. Windarto, and A. Wanto, “Data Mining Tools | RapidMiner : K-Means Method on Clustering of Rice Crops by Province as Efforts to Stabilize Food Crops In Indonesia,” IOP Conference Series: Materials Science and Engineering, vol. 420, no. 12089, pp. 1–8, 2018.

A. P. Windarto, “Implementation of Data Mining on Rice Imports by Major Country of Origin Using Algorithm Using K-Means Clustering Method,” International Journal of artificial intelligence research, vol. 1, no. 2, pp. 26–33, 2017.

A. P. Windarto, “Penerapan Data Mining Pada Ekspor Buah-Buahan Menurut Negara Tujuan Menggunakan K-Means Clustering,” Techno.COM, vol. 16, no. 4, pp. 348–357, 2017.

Adrian Asroni Ronal, “Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang,” vol. 18, no. 1, pp. 76–82, 2015.

S. Haryati, A. Sudarsono, and E. Suryana, “Implementasi Data Mining untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5,” Jurnal Media Infotama, vol. 11, no. 2, pp. 130–138, 2015.




DOI: http://dx.doi.org/10.30645/senaris.v1i0.40

Refbacks

  • There are currently no refbacks.


&nbsp