Implementasi K-Means pada Klasterisasi Jenis Disabilitas

Fadiah Irine Dwiana(1*), Wika Dianita Utami(2), Abdulloh Hamid(3), Sri Asih(4),

(1) Program Studi Matematika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel Surabaya
(2) Program Studi Matematika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel Surabaya
(3) Program Studi Matematika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel Surabaya
(4) Dinas Sosial Kabupaten Sidoarjo
(*) Corresponding Author




DOI: https://doi.org/10.35580/jmathcos.v6i1.41719

Abstract


Penyandang disabilitas memerlukan bantuan dari pihak yang berwenang guna mendukung aktivitas para penyandang disabilitas. Jenis disabilitas antara lain cacat tubuh, tuna netra, tuna wicara dan gangguan mental. Penelitian ini bertujuan untuk mengklasterkan disabilitas per kecamatan di Kabupaten Sidoarjo menurut jenis disabilitas menggunakan metode K-Means. Data yang digunakan adalah data jumlah disabilitas bulan Januari sampai Agustus tahun 2022. Analisis klaster ini menghasilkan empat klaster optimal dengan nilai silhouette coefficient tertinggi yaitu 0,33. Hasil analisis penelitian ini terbentuk 4 klaster pada klaster pertama yaitu 4 kecamatan dengan jumlah disabilitas sangat tinggi, klaster kedua yaitu 4 kecamatan dengan jumlah disabilitas tinggi, klaster ketiga hanya 1 kecamatan dengan jumlah disabilitas sedang, klaster keempat yaitu 5 kecamatan dengan jumlah disabilitas rendah.

Kata Kunci: Disabilitas, Analisis Klaster, Metode K-Means, Silhoutte Coefficient.


Full Text:

PDF

References


Sidoarjo, B. P. S. K. (2019). Untuk Pembangunan.

Basysyar, F. M. (2021). Clustering Data Disabilitas Menggunakan Algoritma K-Means Di Kabupaten Cirebon. Jursima (Jurnal Sistem Informasi Dan …, 9(3). Https://Ejournal.Stmikgici.Ac.Id/Index.Php/Jursima/Article/View/305

Dinas Sosial Kabupaten Sidoarjo. (N.D.). Dinsos.Sidoarjokab.Go.Id

Hayati, S., & Surya, M. A. (2020). Peran Dinas Sosial Dalam Pemberdayaan Penyandang Disabilitas Di Kota Binjai. Jurnal Pemberdayaan Masyarakat, 6(2), 16. Https://Doi.Org/10.37064/Jpm.V6i2.6893

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. Jurnal Ilmu Matematika Dan Terapan, 11, 119–128.

Metisen, B. M., & Sari, H. L. (2015). Analisis Clustering Menggunakan Metode K-Means Dalam Pengelompokkan Penjualan Produk Pada Swalayan Fadhila. 11(2), 110–118.

Mutaqin, M. A., & Andriyani, W. (2022). Klasterisasi Data Disabilitas Menggunakan Algoritma K-Means. 3(1), 25–35.

Indah Nuryani & Dedi Darwis. (2021). Analisis Clustering Pada Pengguna Brand Hp Menggunakan Metode K-Means. 1(1), 190–211.

Murai, N., Saito, N., Nii, S., Nishikawa, Y., Suzuki, A., Kodama, E., Iida, T., Mikura, K., Imai, H., Hashizume, M., Kigawa, Y., Tadokoro, R., Sugisawa, C., Endo, K., Iizaka, T., Otsuka, F., Ishibashi, S., & Nagasaka, S. (2022). Diabetic Family History In Young Japanese Persons With Normal Glucose Tolerance Associates With K-Means Clustering Of Glucose Response To Oral Glucose Load, Insulinogenic Index And Matsuda Index. Metabolism Open, 15(April), 100196. Https://Doi.Org/10.1016/J.Metop.2022.100196

Ilbeigipour, S., Albadvi, A., & Akhondzadeh Noughabi, E. (2022). Cluster-Based Analysis Of Covid-19 Cases Using Self-Organizing Map Neural Network And K-Means Methods To Improve Medical Decision-Making. Informatics In Medicine Unlocked, 32(July), 101005. Https://Doi.Org/10.1016/J.Imu.2022.101005

Maftuhin, A. (2016). Mengikat Makna Diskriminasi: Penyandang Cacat, Difabel, Dan Penyandang Disabilitas. Inklusi, 3(2), 139–162. Https://Doi.Org/10.14421/Ijds.030201

Khairul Rahmat, H., Puspito Sari, F., Hasanah, M., Pratiwi, S., Muafi Ikhsan, A., Rahmanisa, R., Pernanda, S., & Mahdi Fadil, A. (2020). Upaya Pengurangan Risiko Bencana Melalui Pelibatan Penyandang Disabilitas Di Indonesia: Sebuah Tinjauan Kepustakaan Disaster Risk Reduction Efforts Through Involvement Of People With Disabilities In Indonesia: A Literature Review. Jurnal Manajemen Bencana (Jmb), 6(2), 55–64. Https://Doi.Org/10.33172/Jmb.V6i2.623

Widinarsih, D. (2019). Penyandang Disabilitas Di Indonesia : 127–142.

Sholeh, A. (2015). Islam Dan Penyandang Disabilitas : Telaah Hak Aksesibilitas Penyandang Disabilitas Dalam Sistem Pendidikan Di Indonesia. 8(2), 293–320.

Anikah, I., Surip, A., Rahayu, N. P., Musa, M. H. A.-, & Tohidi, E. (2022). Pengelompokan Data Barang Dengan Menggunakan Metode K-Means Untuk Menentukan Stok Persediaan Barang. 04(02), 58–64.

Silitonga, P. D. P., & Sri, I. (2017). Klusterisasi Pola Penyebaran Penyakit Pasien Berdasarkan Usia Pasien Dengan Menggunakan K-Means Clustering. Vi(2), 2005–2008.

Nur, F., Fauzan, R., Aziz, J., Setiawan, B. D., & Arwani, I. (2018). Implementasi Algoritma K-Means Untuk Klasterisasi Kinerja Akademik Mahasiswa. 2(6), 2243–2251.

Vulandari, R. T. (2016). Pengelompokan Tingkat Keamanan Wilayah Jawa Tengah Berdasarkan Indeks Kejahatan Dan Jumlah Pos Keamanan Dengan Metode Klastering K-Means. Jurnal Ilmiah Sinus, Vol 14, No(Issn :1693-1173), 59–72.

Ong, J. O. (2013). Implementasi Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing. April, 10–20.

Sari, D. F. N. P. B. N. (2021). Penerapan Algoritma K-Means Dalam. Ks 1.

Pramesti, D. F., Furqon, M. T., & Dewi, C. (2017). Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan / Lahan Berdasarkan Persebaran Titik Panas ( Hotspot ). 1(9), 723–732.

Widyadhana, D., Budi, R., & Kharisudin, I. (2021). Perbandingan Analisis Klaster K-Means Dan Average Linkage Untuk Pengklasteran Kemiskinan Di Provinsi Jawa Tengah. 4, 584–594.

Paembonan, S., & Abduh, H. (2021). Penerapan Metode Silhouette Coeficient Untuk Evaluasi Clutering Obat. 6(2), 48–54.

Hidayati, R., Zubair, A., Hidayat Pratama, A., Indana, L., Studi Sistem Informasi, P., & Teknologi Informasi, F. (2021). Silhouette Coefficient Analysis In 6 Measuring Distances Of K-Means Clustering. Techno.Com, 20(2), 186–197.


Article Metrics

Abstract view : 235 times | PDF view : 0 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 JMathCos (Journal of Mathematics, Computations, and Statistics)

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

Indexed by:

         

 

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