PENERAPAN METODE ALGORITMA K-MEANS UNTUK DATA PENGANGGURAN DI JAWA BARAT
##plugins.themes.bootstrap3.article.sidebar##
Issue
Vol. 2 No. 2 (2023): JWI
Vol. 2 No. 2 (2023): JWI
Submitted
2023-10-28
2023-10-28
Published
2023-10-28
2023-10-28
Abstract
Abstract
In West Java the unemployment rate changes every year in all districts/cities, so that unemployment becomes a social development problem in realizing the prosperity and welfare of the community. Purpose This research was conducted to get results Clustering districts/cities in West Java based on unemployment rate indicators. This research data comes from the West Java open data dataset for 2007 - 2022. This research uses the Data mining namely the Algorithm K-means, Method K-means is the method Clustering which serves to break the dataset into groups. Application of Algorithmic Methods K-means can be used for data on the percentage of unemployment by district/city. Data will be divided or grouped into 2 Cluster, that is Cluster high and low with RapidMiner testing. The results of this research are as a way to assist the government in expanding employment opportunities to develop and improve the economy in Indonesia, especially in West Java.
Keywords: Unemployment, Data Mining, Clustering, Algorithm K-means
Abstrak
Di Jawa Barat tingkat pengangguran mengalami perubahan setiap tahunnya di seluruh kabupaten/kota, sehingga pengangguran menjadi permasalahan pembangunan sosial kemasyarakatan dalam mewujudkan kemakmuran dan kesejahteraan masyarakat. Tujuan Penelitian ini dilakukan untuk mendapatkan hasil Clustering kabupaten/kota di Jawa Barat berdasarkan indikator tingkat pengangguran. Data Penelitian ini bersumber dari dataset open data Jabar Tahun 2007 - 2022. Penelitian ini menggunakan teknik Data mining yakni Algoritma K-means, Metode K-means merupakan Metode Clustering yang berfungsi untuk memecahkan dataset menjadi berkelompok. Penerapan Metode Algoritma K-means dapat digunakan untuk data persentase pengangguran berdasarkan kabupaten/kota. Data akan dibagi atau dikelompokkan menjadi 2 Cluster, yaitu Cluster tinggi dan rendah dengan pengujian RapidMiner. Hasil dari penelitian ini adalah sebagai cara untuk membantu pemerintah dalam memperluas lapangan pekerjaan untuk mengembangkan dan meningkatkan ekonomi di Indonesia khususnya di Jawa Barata.
Keywords: Algoritma K-means; Clustering; Data Mining; Pengangguran
In West Java the unemployment rate changes every year in all districts/cities, so that unemployment becomes a social development problem in realizing the prosperity and welfare of the community. Purpose This research was conducted to get results Clustering districts/cities in West Java based on unemployment rate indicators. This research data comes from the West Java open data dataset for 2007 - 2022. This research uses the Data mining namely the Algorithm K-means, Method K-means is the method Clustering which serves to break the dataset into groups. Application of Algorithmic Methods K-means can be used for data on the percentage of unemployment by district/city. Data will be divided or grouped into 2 Cluster, that is Cluster high and low with RapidMiner testing. The results of this research are as a way to assist the government in expanding employment opportunities to develop and improve the economy in Indonesia, especially in West Java.
Keywords: Unemployment, Data Mining, Clustering, Algorithm K-means
Abstrak
Di Jawa Barat tingkat pengangguran mengalami perubahan setiap tahunnya di seluruh kabupaten/kota, sehingga pengangguran menjadi permasalahan pembangunan sosial kemasyarakatan dalam mewujudkan kemakmuran dan kesejahteraan masyarakat. Tujuan Penelitian ini dilakukan untuk mendapatkan hasil Clustering kabupaten/kota di Jawa Barat berdasarkan indikator tingkat pengangguran. Data Penelitian ini bersumber dari dataset open data Jabar Tahun 2007 - 2022. Penelitian ini menggunakan teknik Data mining yakni Algoritma K-means, Metode K-means merupakan Metode Clustering yang berfungsi untuk memecahkan dataset menjadi berkelompok. Penerapan Metode Algoritma K-means dapat digunakan untuk data persentase pengangguran berdasarkan kabupaten/kota. Data akan dibagi atau dikelompokkan menjadi 2 Cluster, yaitu Cluster tinggi dan rendah dengan pengujian RapidMiner. Hasil dari penelitian ini adalah sebagai cara untuk membantu pemerintah dalam memperluas lapangan pekerjaan untuk mengembangkan dan meningkatkan ekonomi di Indonesia khususnya di Jawa Barata.
Keywords: Algoritma K-means; Clustering; Data Mining; Pengangguran
Authors
How to Cite
PENERAPAN METODE ALGORITMA K-MEANS UNTUK DATA PENGANGGURAN DI JAWA BARAT. (2023). Jurnal Wahana Informatika, 2(2), 277-283. https://journal2.unfari.ac.id/index.php/jwi/article/view/1000045