UPT Perpustakaan Unitama

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Implementasi Data Mining untuk Pengelompokan Tingkat Kesejahteraan Ekonomi Di Provinsi Sulawesi Selatan Menggunakan Metode K-Means Clustering
Penanda Bagikan

Skripsi

Implementasi Data Mining untuk Pengelompokan Tingkat Kesejahteraan Ekonomi Di Provinsi Sulawesi Selatan Menggunakan Metode K-Means Clustering

Alosius Banne Padang - Nama Orang;

ABSTRAK

ALOSIUS BANNE PADANG, Implementasi Data Mining Untuk Pengelompokan Tingkat Kesejahteraan Ekonomi Di Provinsi Sulawesi Selatan Menggunakan Metode KMeans Clustering (dibimbing oleh Syaharullah Disa dan Nurzaenab)

Permasalahan yang terjadi di Provinsi Sulawesi Selatan yaitu masih ada kabupaten dan kota yang tingkat penganggurannya tinggi dan berbagai indikator penyebab kemiskinan lainnya. Untuk mengatasi problematika tersebut, pemerintah Provinsi Sulawesi Selatan perlu mengetahui gambaran sosial dan ekonomi kabupaten atau kota di Provinsi Sulawesi Selatan berupa karakterisitik yang terdapat pada masing-masing kabupaten atau kota pada sektor kesejahteraan ekonomi. Tujuan penelitian ini adalah menerapkan algoritma K-Means untuk mengelompokkan data tingkat kesejahteraan ekonomi di Provinsi Sulawesi Selatan dan mengukur Akurasi algoritma K-means untuk pengelompokan data kesejahteraan ekonomi di Provinsi Sulawesi Selatan. Penelitian ini menggunakan metode kuantitatif yang dimana data yang digunakan adalah data sekunder yang diperoleh dari dataset statistik pada situs web BPS Provinsi Sulawesi Selatan. Metode yang digunakan dalam sistem ini adalah Algoritma K-Means. Hasil penelitian ini menunjukkan bahwa ada tiga jenis cluster yang masing-masing memiliki anggota berupa tiap-tiap Kabupaten/Kota dengan karakteristik yang sama dalam waktu yang singkat. Sehingga algoritma K-Means dalam pengimplementasian penelitian ini cukup mempermudah dalam proses klasterisasi data penelitian ini.

Kata Kunci : Data Mining, Clustering, KMeans, Python.





Ketersediaan
#
Perpustakaan STMIK AKBA (A/812) SKR/TI/2023 REF ALO i
2749/SKR-Ti/AKBA/24
Tersedia namun tidak untuk dipinjamkan - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
SKR ALO i
Penerbit
Makassar : UNITAMA., 2023
Deskripsi Fisik
xii + 59 hlm.: ilus.; 28,5 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
REF ALO i
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Pembimbing I: Syaharullah Disa Dan Pembimbing II: Nurzaenab
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

UPT Perpustakaan Unitama
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?