PENERAPAN METODE CRISP-DM UNTUK ANALISA PENDAPATAN BERSIH BULANAN PEKERJA INFORMAL DI PROVINSI JAWA BARAT DENGAN ALGORITMA K-MEANS

Farras Salsabila; Ika Fitrianti; Yuyun Umaidah; Nono Heryana

doi:10.35315/dinamik.v28i2.9454

Farras Salsabila Universitas Singaperbangsa Karawang
Ika Fitrianti Universitas Singaperbangsa Karawang
Yuyun Umaidah Universitas Singaperbangsa Karawang
Nono Heryana Universitas Singaperbangsa Karawang

DOI: https://doi.org/10.35315/dinamik.v28i2.9454

Abstract

Tujuan dari penelitian ini adalah untuk mengenali pola pendapatan dan karakteristik pekerja informal dengan lebih baik dengan menggunakan clusterisasi Algoritma K-Means sehingga pemerintah dapat mengarahkan sumber daya dan program dengan lebih tepat sasaran. Dalam penelitian ini, Indeks Davies Bouldin (DBI) akan digunakan sebagai metode untuk mengoptimalkan jumlah cluster dalam proses pengelompokkan wilayah Kabupaten/Kota di Jawa Barat berdasarkan pendapatan bersih pekerja informal. Data yang diguanakan adalah data pendapatan dari para pekerja Informal di Jawa Barat . Pengolahan data dilakukan menggunakan tools RapidMiner dengan pemodelan clustering dan untuk metode penelitian yang digunakan adalah CRISP-DM . Hasil pengujian dan pemodelan yang telah adalah terdapat indikasi adanya perbedaan yang cukup besar dalam pendapatan bulanan bersih pekerja informal di daerah kabupaten/kota di Jawa Barat. Cluster 0 menunjukkan pendapatan rendah, Cluster 1 menunjukkan pendapatan sedang, sementara Cluster 2 menunjukkan pendapatan tinggi

References

[1] T. Hardiani, “Analisis Clustering Kasus Covid 19 di Indonesia Menggunakan Algoritma K-Means,” J. Nas. Pendidik. Tek. Inform., vol. 11, no. 2, pp. 156–165, 2022, doi: 10.23887/janapati.v11i2.45376.
[2] G. Fajriansyah, “Analisis Daftar Pemilih Tetap Pada Hasil Rekapitulasi Kpu Berdasarkan Usia Menggunakan Algoritma K-Means (Studi Kasus : Kota Bandar Lampung),” Electrician, vol. 15, no. 1, pp. 39–53, 2021, doi: 10.23960/elc.v15n1.2147.
[3] A. Mathematics, “PEKERJA ANAK “JOKI MERPATI BALAP SPRINT’’ DI KELURAHAN PAKIS KECAMATAN BANYUWANGI KABUPATEN BANYUWANGI,” vol. 2, no. 9, pp. 1–23, 2016.
[4] I. D. A. Dila Pariutami and I. M. Udiana, “Perlindungan Hukum Terhadap Hak Pekerja Rumah Tangga Yang Tidak Sesuai Dengan Perjanjian Di Bawah Tangan,” Kertha Semaya J. Ilmu Huk., vol. 8, no. 8, p. 1291, 2020, doi: 10.24843/ks.2020.v08.i08.p15.
[5] H. Murda, “Dampak Covid-19 Terhadap Penawaran Dan Pendapatan Pekerja Informal Daerah Istimewa Yogyakarta/Impact of Covid-19 on the Supply and Income of Informal Workers in the Special Region of Yogyakarta,” J. Ekon. dan Pendidik., vol. 18, no. 2, pp. 171–182, 2022, doi: 10.21831/jep.v18i2.41237.
[6] K. Gambut, T. Zonasi, P. Infrastruktur, D. I. Kebun, and R. Sriwijaya, “Publikasi penelitian terapan dan kebijakan,” vol. 1, no. 2, pp. 1–8, 2018.
[7] N. S. Ramadhani and T. H. Siagian, “Determinan Status Pemanfaatan Jaminan Kesehatan pada Pekerja Informal di Provinsi Lampung Tahun 2020,” Semin. Nas. Off. Stat., vol. 2022, no. 1, pp. 1063–1072, 2022, doi: 10.34123/semnasoffstat.v2022i1.1337.
[8] N. Putu et al., “KETEPATAN KLASIFIKASI PENERIMA BEASISWA STIMIK STIKOM BALI DENGAN HYBRID SELF ORGANIZING MAPS DAN ALGORITMA K-MEANS Abstrak Data mining adalah penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar . Salah sa,” 2017.
[9] M. Caron, P. Bojanowski, A. Joulin, and M. Douze, “Deep clustering for unsupervised learning of visual features,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 11218 LNCS, pp. 139–156, 2018, doi: 10.1007/978-3-030-01264-9_9.
[10] C. R. Sistiani, Widodo, and B. P. Padhi, “Kinerja Algoritma Kmeans++ pada Pengelompokkan Dokumen Teks Pendek pada Abstrak di Jurusan Teknik Elektro Fakultas Teknik UNJ,” PINTER J. Pendidik. Tek. Inform. dan Komput., vol. 2, no. 1, pp. 39–44, 2018, doi: 10.21009/pinter.2.1.6.