Analisis Persebaran UMKM Kota Malang Menggunakan Cluster K-means
Abstract
UMKM (Usaha Mikro Kecil dan Menengah) merupakan usaha produktif yang telah terbukti memberikan lapangan kerja dan menjadi penggerak roda perekonomian di Indonesia. Kota Malang dianggap memiliki potensi besar di sektor UMKM. Di sisi lain, UMKM juga menghadapi berbagai masalah, seperti keterbatasan modal kerja, kurangnya pembinaan terhadap sumber daya manusia, dan lain sebagainya. Pengelompokan UMKM di Kota Malang dapat memudahkan pemerintah terkait dalam hal memilih peminjaman modal, menentukan potensi usaha dan menetapkan strategi pemasaran. Pada penelitian ini, pengelompokan UMKM di Kota Malang dilakukan dengan algoritma K-means cluster analysis. Hasil yang diperoleh adalah terbentuk 3 cluster, di mana algoritma K-means mengelompokkan kecamatan Blimbing ke cluster 1, kecamatan Klojen ke cluster 2, kecamatan Sukun ke cluster 3, Kecamatan Kedung Kandang ke cluster 3, dan Kecamatan Lowokwaru ke cluster 3.
Full Text:
PDFReferences
Suci, Y. R., 2017, Perkembangan UMKM (Usaha mikro kecil dan menengah) di Indonesia. Cano Ekonomos, Vol. 1(1), 51-58.
Ediyanto, M. N. M., & Satyahadewi, N., 2013, Pengklasifikasian Karakteristik Dengan Metode K-Means Cluster Analysis. Bimaster, Vol. 2(2).
Agusta, Y., 2007, K-Means–Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem dan Informatika, Vol.3(1), 47-60.
Siska, S., T,. 2016, Analisa dan Penerapan Data Mining Untuk Menentukan Kubikasi Air Terjual Berdasarkan Pengelompokan Pelanggan Menggunakan Algoritma K-Means Clustering, Jurnal Teknologi Informasi & Pendidikan, Vol. 9(1).
Alfarazy Syam, Febrizal, 2017, Implementasi Metode Klastering K-Means Untuk Mengelompokan Hasil Evaluasi Mahasiswa, Jurnal Ilmu Komputer dan Bisnis, Vol8(1).
Sudaryanto, R., & Wijayanti, R. R., 2013, Strategi pemberdayaan UMKM menghadapi pasar bebas Asean. Pusat Kebijakan Ekonomi Makro. Badan Kebijakan Fiskal. Kementerian Keuangan, Jakarta.
M. W. Talakua, Z. A. Leleury, A. W. Talluta, 2017, Analisis cluster dengan Menggunakan Metode K-Means Untuk Pengelompokan Kabupaten/Kota di Provinsi Maluku Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2014. Jurnal Ilmu Matematika dan Terapan, Vol 11(2), 119-118.
Bastian, Ade, Sujadi, Harun dan Febrianto Gigin, 2018, Penerapan Algoritma K-Means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka), Jurnal Sistem Informasi, Vol 14(1).
Gustientiedina, Adiya, Hasmil M., Desnelita Yenny, 2019, Penerapan Algorita K-means Untuk Clustering Data Obat-Obatan pada RSUD Pekanbaru, Jurnal Nasional Teknologi Dan Sistem Informasi, Vol 5(1).
Nur, Fauziah, Prof. Zarlis, M., Dr. Benyamin Nasution, Benny, 2017, Penerapan Algoritma K-Means Pada Siswa Baru SEkolah Menengah Kejuruan Untuk Clustering Jurusan, Jurnal Nasional Informatika dan Teknologi Informatika, Vol 1(2).
Asroni & Adrian, Ronald, 2015, Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan NIlai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang, Jurnal Ilmiah Semesta Teknika Vol 18(1), 76-82.
Priyatman, Hendro, Sajid, Fahmi, Haldivany, 2019, KLasterisasi Menggunakan Algoritma K-Means Clustering Untuk Memprediksi Waktu Kelulusan Mahasiswa, Jurnal Edukasi dan Penelitian Informatika, Vol 5(1).
Fa’rifah, R. Y., dan Poerwanto B., 2016, Analisis Cluster K-Means Dalam Pengelompokan Kemampuan Mahasiswa, Indonesian Journal of Fundamental Sciences, Vol 2(2).
Mahmuda, Fauziah, Armys Roma Sitorus, Maya, Widyastuti, Hilda, Ely Kurniawan, Dwi, 2017, Clustering Profil Pengunjung Perpustakaan (Studi Kasus Perpustakaan BP Batam), Journal of Aplied Informatics and Computing, Vol 1(1).
Rahmawati, Lynda, Widya Sihwi, Sari, Suryani, Esti, 2014, Analisa Clustering Menggunakan Metode K-Means dan Hierarchical Clustering (Studi Kasus Dokumen Skripsi Jurusan Kimia, FMipa, Universitas Sebelas Maret), ITSMART: Jurnal Teknologi dan Informasi, Vol 3(2).
DOI: https://doi.org/10.33633/joins.v5i1.3469
Article Metrics
Abstract view : 1615 timesPDF - 1517 times
Refbacks
- There are currently no refbacks.
Index by:
 |  |  |  |