IRPIIRPI

MALCOM: Indonesian Journal of Machine Learning and Computer ScienceMALCOM: Indonesian Journal of Machine Learning and Computer Science

Dalam proses pembangunan, salah satu masalah yang harus diperhatikan adalah terkait kependudukan, beberapa faktor yang mempengaruhi hal tersebut diantaranya yaitu jumlah, komposisi dan distribusi penduduk. Penduduk merupakan faktor yang sangat dominan dalam pelaksanaan pembangunan, karena penduduk tidak hanya menjadi sasaran namun juga menjadi pelaksana dari pembangunan. Karakteristik demografi penduduk masyarakat yang digunakan untuk mengetahui sosial ekonomi penduduk di suatu wilayah diantaranya adalah jumlah anak, pekerjaan, penghasilan, umur, jumlah tanggungan, aset yang dimiliki, status kepemilikan rumah, serta jumlah pengeluaran perbulannya. Berdasarkan karakteristik demografi penduduk tersebut, masyarakat dapat mengetahui bagaimana hubungan sosial ekonomi yang ada di kawasan perumahan tersebut. Penelitian ini menerapkan algoritma k-means clustering untuk melakukan analisis dalam statistik dan mesin pembelajaran untuk mengelompokkan distribusi sosial ekonomi masyarakat perumahan terhadap pola hubungan antara sosial ekonomi dengan demografi penduduk. K-means merupakan metode pengelompokkan data yang mengarah pada pembagian N objek pengamatan ke dalam K kelompok (cluster) dimana setiap objek pengamatan yang dimiliki oleh sebuah kelompok dengan nilai centroid terdekat. Dilakukan beberapa percobaan dengan menerapkan algoritma k-means clustering, sehingga diperoleh hasil percobaan terbaik dengan jumlah cluster = 4 dengan nilai DBI 0,87.

Penelitian ini menggunakan algoritma k-means clustering untuk mengelompokkan distribusi sosial ekonomi masyarakat perumahan berdasarkan demografi kependudukan di Kota Pekanbaru.Hasil menunjukkan bahwa cluster optimal diperoleh dengan jumlah cluster = 4 dan nilai DBI sebesar 0,87.Pola hubungan antara sosial ekonomi terhadap demografi penduduk dapat dilihat dari mayoritas responden dengan pendidikan terakhir SMA atau S1 namun memiliki penghasilan rendah.

Penelitian lanjutan dapat mengeksplorasi hubungan antara karakteristik demografi kependudukan dengan distribusi sosial ekonomi masyarakat di kawasan perumahan melalui pendekatan algoritma k-means clustering. Apakah pola distribusi sosial ekonomi berbeda jika dilakukan di wilayah lain dengan karakteristik demografi yang berbeda pula? Selanjutnya, penelitian juga dapat mengembangkan metode clustering dengan membandingkan hasil k-means terhadap algoritma lain seperti fuzzy c-means atau k-medoids untuk melihat akurasi dan validitas pengelompokan yang lebih baik. Terakhir, apakah faktor tambahan seperti akses terhadap fasilitas umum atau infrastruktur dapat meningkatkan kualitas hasil clustering sosial ekonomi masyarakat perumahan?.

  1. #sosial ekonomi masyarakat#sosial ekonomi masyarakat
File size681.22 KB
Pages6
DMCAReportReport

ads-block-test