Implementasi Data Mining Untuk Jumlah Penduduk Berdasarkan Usia Menurut Kabupaten/Kota Menggunakan Algoritma K-Means

Abstract

Abstrack
Residents are all people who live in specific areas and regions at specific times, with a relationship between their number, age, marital status, religion, gender, birth, death, quality, mobility, and resilience in relation to the economy, social, cultural, and political rights and obligations. But over time, the distribution of the population can increase and decrease. An increase in the population of a city or district if it is not evenly distributed will have negative impacts on such things as economic growth and population density. So in this study, the population in districts and cities will be grouped according to age groups, namely: children, early adolescents, late adolescents, early adults, and late adults. Using data mining is one of the ideas to classify the number of residents in each region or city so that there is no overcrowding. The method of data collection that will be used for each resident of the regency is based on age, namely productive age (15–64 years), non-productive age (0–14 years), and senior age (> 65 years). By using the Knowledge Discovery Data data mining technique, the results obtained from manual calculations using Microsoft Excel and RapidMiner have the same results, namely that for cluster 0 (C0), there are 106 age category data, cluster 1 (C1), 24 age category data, and cluster 2 (C2), as many as 94 age category data, with Davies-Bouldin results of 0.157.
Keywords: Data mining, K-means, Clustering,  Knowledge Discovery Data
Abstrak
Penduduk adalah semua orang  yang bertempat tinggal di wilayah dan perwilayahan tertentu pada waktu tertentu dengan keterkaitan hubungan antar jumlah,usia,status perkawinan, agama, jenis kelamin, kelahiran, kematian, kualitas, mobilitas, dan juga ketahanan yang berkaitan dengan ekonomi, social, budaya, dan perpolitik yang hak dan kewajiban. Namun seiring berjalannya waktu, persebaran penduduk bisa bertambah dan berkurang. Peningkatan jumlah penduduk suatu kota ataupun kabupaten jika tidak merata akan menimbulkan dampak negatif seperti pertumbuhan ekonomi dan kepadatan penduduk. Maka dalam penelitian ini akan dilakukan pengelompokkan jumlah penduduk di kabupaten/kota menurut kelompok umur yaitu: Kanak-kanak, Remaja Awal, Remaja Akhir, Dewasa Awal, dan Dewasa Akhir. Menggunakan data mining merupakan salah satu ide data untuk mengklasifikasikan jumlah penduduk yang ada di setiap Kabupaten/Kota agar tidak terjadi kepadatan penduduk. Metode pengumpulan data tiap penduduk Kabupaten yang akan dikumpulkan berdasarkan usia yaitu usia produktif (15-64 tahun), usia nonproduktif (0-14 tahun) dan usia manula (>65 tahun). Dengan menggunakan data mining teknik Knowledge Discovery Data didapatkan hasil dari perhitungan manual menggunakan Microsoft excel dan rapidminer hasilnya sama, yaitu untuk cluster 0 (C0) sebanyak 106 data kategori usia, cluster 1 (C1) 24 data kategori usia, dan cluster 2 (C2) sebanyak 94 data kategori usia, dengan hasil davies bouldin 0.157
Keywords: Data mining, K-means, Clustering, Knowledge Discovery Data