Pengelompokan Kecamatan di Wilayah Kabupaten Bojonegoro Berdasarkan Jenis Penyandang Masalah Kesejahteraan Sosial Menggunakan Fuzzy C-Means
DOI:
https://doi.org/10.33633/tc.v22i2.7485Keywords:
Fuzzy C-Means, Pengelompokan, PMKSAbstract
Penyandang Masalah Kesejahteraan Sosial (PMKS) adalah sekelompok orang yang tidak dapat menjanankan fungsi sosial karena tantangan spiritual, fisik, atau sosial. Penelitian ini bertujuan untuk mengelompokkan kecamatan di Kabupaten Bojonegoro dengan melihat permasalahan sosial yang ada pada setiap kecamatan di Bojonegoro. Berdasarkan data PMKS di Kabupaten Bojonegoro setiap kecamatan terdiri dari jenis PMKS yang berbeda sehingga diperlukan analisis cluster untuk mengelompokan kecamatan berdasarkan karakteristik jenis PMKS. Analisis clustering yang dipakai dalam penelitian ini merupakan Fuzzy C-Means (FCM). FCM ialah teknik pengelompokan data yang keberadaan setiap data dalam cluster dipastikan oleh nilai keanggotaan. Hasil pengelompokkan kabupaten di Kabupaten Bojonegoro berdasarkan jenis penyandang masalah kesejahteraan sosial dibagi menjadi 2 cluster (tinggi dan rendah) dengan nilai silhouette 0,7275 yang menunjukkan kekuatan cluster mempunyai struktur kuat. Terdapat 7 kecamatan dengan penyandang masalah kesejahteraan sosial yang tinggi dan tergolong dalam cluster 1. Di cluster 2 terdapat 21 kecamatan dengan penyandang masalah kesejahteraan sosial yang rendah dibandingkan dengan cluster 1.References
Kementerian Sosial RI, “Peraturan Menteri Sosial Nomor 08 Tahun 2012 Tentang Pedoman Pendataan dan Pengelolaan Data Penyandang Masalah Kesejahteraan Sosial dan Potensi dan Sumber Kesejahteraan Sosial,” pp. 1–7, 2012, [Online]. Available: http://peraturan.go.id/inc/view/11e6c5bb4146bec08414313431373532.html
A. Hafiludien and D. Istiawan, “Penerapan Algoritma Self Organizing Maps Untuk Pemetaan Penyandang Kesejahteraan Sosial (PMKS) di Provinsi Jawa Tengah Tahun 2016,” 7th Univ. Res. Colloqium, pp. 84–92, 2018.
I. Hidayatin, S. Adinugroho, and C. Dewi, “Pengelompokan Wilayah berdasarkan Penyandang Masalah Kesejahteraan Sosial (PMKS) dengan Optimasi Algoritme K-Means menggunakan Self Organizing Map (SOM),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 8, pp. 7524–7531, 2019, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/5881/2852
Dinsos Bojonegoro, “Dinas Sosial Kabupaten Bojonegoro.” https://dinsos.bojonegorokab.go.id/
N. Dwitiyanti, N. Selvia, and F. R. Andrari, “Penerapan Fuzzy C-Means Cluster dalam Pengelompokkan Provinsi Indonesia Menurut Indikator Kesejahteraan Rakyat,” Fakt. Exacta, vol. 12, no. 3, p. 201, 2019, doi: 10.30998/faktorexacta.v12i3.4526.
J. Tamaela, E. Sediyono, and A. Setiawan, “Cluster Analysis Menggunakan Algoritma Fuzzy C-means dan K-means Untuk Klasterisasi dan Pemetaan Lahan Pertanian di Minahasa Tenggara,” J. Buana Inform., vol. 8, no. 3, pp. 151–160, 2017, doi: 10.24002/jbi.v8i3.1317.
A. S. Rizal and R. F. Hakim, “Metode K-Means Cluster Dan Fuzzy C-Means Cluster (Studi Kasus: Indeks Pembangunan Manusia Di Kawasan Indonesia Timur Tahun 2012),” Pros. Semin. Nas. Mat. dan Pendidik. Mat. UMS 2015, pp. 643–657, 2015, [Online]. Available: https://publikasiilmiah.ums.ac.id/xmlui/handle/11617/5803
D. Armetiyana Margaretta, I. Rahmi Hg, and H. Yozza, “Pengklasteran Provinsi-Provinsi Di Indonesia Berdasarkan Indikator Yang Mempengaruhi Indeks Pembangunan Manusia Menggunakan Metode Fuzzy C-Means,” J. Mat. UNAND, vol. 10, no. 1, p. 79, 2021, doi: 10.25077/jmu.10.1.79-86.2021.
H. S. Firdaus, A. L. Nugraha, B. Sasmito, M. Awaluddin, and C. A. Nanda, “Perbandingan Metode Fuzzy C-Means dan K-Means untuk Pemetaan Daerah Rawan Kriminalitas di Kota Semarang,” ELIPSOIDA J. Geod. dan Geomatika, vol. 04, no. 01, pp. 58–64, 2021.
A. Primandana, S. Adinugroho, and C. Dewi, “Optimasi Penentuan Centroid pada Algoritme K-Means Menggunakan Algoritme Pillar (Studi Kasus: Penyandang Masalah Kesejahteraan Sosial di Provinsi …,” … Teknol. Inf. dan Ilmu …, vol. 3, no. 11, pp. 10678–10683, 2020, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/6748/3264
F. Febrianti, M. Hafiyusholeh, and A. H. Asyhar, “Perbandingan Pengklusteran Data Iris Menggunakan Metode K-Means Dan Fuzzy C-Means,” J. Mat. “MANTIK,” vol. 2, no. 1, p. 7, 2016, doi: 10.15642/mantik.2016.2.1.7-13.
N. Agustina and P. Prihandoko, “Perbandingan Algoritma K-Means dengan Fuzzy C-Means Untuk Clustering Tingkat Kedisiplinan Kinerja Karyawan,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 2, no. 3, pp. 621–626, 2018, doi: 10.29207/resti.v2i3.492.
N. Ulinnuha, “Provincial Clustering in Indonesia Based on Plantation Production Using Fuzzy C-Means,” J. Ilm. Teknol. dan Inf., vol. 9, no. 1, pp. 8–12, 2020.
L. Rohmaniah, A. Faqih, and T. Suprapti, “Vol . 15 No . 1 September 2022 ISSN : 1979-8415 Jawa Barat Menggunakan K-Means Dan Fuzzy C-Means ISSN : 1979-8415,” vol. 15, no. 1, pp. 1–7, 2022.
S. Paembonan and H. Abduh, “Penerapan Metode Silhouette Coefficient untuk Evaluasi Clustering Obat,” PENA Tek. J. Ilm. Ilmu-Ilmu Tek., vol. 6, no. 2, p. 48, 2021, doi: 10.51557/pt_jiit.v6i2.659.
V. M. Nasution and G. Prakarsa, “Optimasi Produksi Barang Menggunakan Logika Fuzzy Metode Mamdani,” vol. 4, pp. 129–135, 2020, doi: 10.30865/mib.v4i1.1719.
K. V. Rajkumar, A. Yesubabu, and K. Subrahmanyam, “Fuzzy clustering and Fuzzy C-Means partition cluster analysis and validation studies on a subset of CiteScore dataset,” Int. J. Electr. Comput. Eng., vol. 9, no. 4, pp. 2760–2770, 2019, doi: 10.11591/ijece.v9i4.pp2760-2770.
F. Novianti, Y. R. A. Yasmin, and D. C. R. Novitasari, “Penerapan Algoritma Fuzzy C-Means (FCM) dalam Pengelompokan Provinsi di Indonesia berdasarkan Indikator Penyakit Menular Manusia,” JUMANJI (Jurnal Masy. Inform. Unjani), vol. 6, no. 1, pp. 23–33, 2022.
N. Puspitasari, J. A. Widians, and pohny, “a Clustering of Generative and Infectious Diseases Using Fuzzy C-Means,” ITSMART J. Ilm. Teknol. dan Inf., vol. 7, no. 1, pp. 22–28, 2019.
Downloads
Published
Issue
Section
License
License Terms
All articles published in Techno.COM Journal are licensed under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This means:
1. Attribution
Readers and users are free to:
-
Share – Copy and redistribute the material in any medium or format.
-
Adapt – Remix, transform, and build upon the material.
As long as proper credit is given to the original work by citing the author(s) and the journal.
2. Non-Commercial Use
-
The material cannot be used for commercial purposes.
-
Commercial use includes selling the content, using it in commercial advertising, or integrating it into products/services for profit.
3. Rights of Authors
-
Authors retain copyright and grant Techno.COM Journal the right to publish the article.
-
Authors can distribute their work (e.g., in institutional repositories or personal websites) with proper acknowledgment of the journal.
4. No Additional Restrictions
-
The journal cannot apply legal terms or technological measures that restrict others from using the material in ways allowed by the license.
5. Disclaimer
-
The journal is not responsible for how the published content is used by third parties.
-
The opinions expressed in the articles are solely those of the authors.
For more details, visit the Creative Commons License Page:
? https://creativecommons.org/licenses/by-nc/4.0/