ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulPengelompokan Kabupaten/Kota Di Sulawesi Tengah Berdasarkan Indikator Kemiskinan Menggunakan Fuzzy Geographically Weighted Clustering - Artificial Bee Colony |
| Nama: NAFIUL AGRISTYA |
| Tahun: 2024 |
| Abstrak Kemiskinan merupakan masalah utama yang menjadi fokus perhatian pemerintah di Indonesia. Secara umum kemiskinan adalah ketidaksanggupan seseorang untuk memenuhi kebutuhan dasar standar atas setiap aspek kehidupan. Analisis cluster merupakan solusi untuk memetakan masalah tersebut. Fuzzy Geographically Weighted Clustering-Artificial Bee Colony (FGWC-ABC) adalah salah satu metode clustering yang merupakan integrasi dari metode fuzzy clustering klasik dan unsur geodemografi. Artificial Bee Colony merupakan algoritma metaheuristik yang digunakan sebagai optimasi global untuk meningkatkan akurasi cluster. Artificial Bee Colony dapat memecahkan secara efisien dan efektif berbagai masalah fungsi optimasi dalam berbagai kasus. Hasil penelitian diperoleh 3 cluster optimum dengan karakteristik setiap cluster yang relatif berbeda berdasarkan indikator kemiskinan. Cluster 1 dengan kemiskinan rendah, cluster 2 dengan kemiskinan tinggi, dan cluster 3 dengan kemiskinan sedang. Kata Kunci: Analisis Cluster, Fuzzy Geographically Weighted Clustering- Artificial Bee Colony, Kemiskinan. Poverty is the main problem that is the focus of attention of the government in Indonesia. In general, poverty is a person's inability to meet basic basic needs in every aspect of life. Analysis cluster is a solution to map this problem.Fuzzy Geographically Weighted Clustering-Artificial Bee Colony (FGWC-ABC) is one method clustering which is an integration of methods fuzzy clustering classical and geodemographic elements. Artificial Bee Colony is a metaheuristic algorithm that is used as a global optimization to increase cluster accuracy. Artificial Bee Colony can efficiently and effectively solve various function optimization problems in various cases. The research results obtained 3 cluster optimum with each characteristic cluster relatively different based on poverty indicators. Cluster 1 with low poverty, cluster 2 with high poverty, and cluster 3 with moderate poverty. Keywords: Analysis Cluster, Fuzzy Geographically Weighted Clustering- Artificial Bee Colony, Poverty. |