Klasterisasi Data Kategorik Menggunakan Metode Artificial Bee Colony dan K-Modes (ABC-KMO) Pembentukan Sister Village Di Kabupaten Sintang Dalam Survei Angkatan Kerja Nasional

EVI OCTAVIANY

Klasterisasi Data Kategorik Menggunakan Metode Artificial Bee Colony dan K-Modes (ABC-KMO) Pembentukan Sister Village Di Kabupaten Sintang Dalam Survei Angkatan Kerja Nasional

dc.contributor.advisor	Jadi Suprijadi
dc.contributor.advisor	Irlandia Ginanjar
dc.contributor.author	EVI OCTAVIANY
dc.date.accessioned	2024-05-30T06:09:54Z
dc.date.available	2024-05-30T06:09:54Z
dc.date.issued	2021-02-22
dc.description.abstract	BPS sebagai pembina data statistik di Indonesia berperan penting dalam penyediaan statistik berkualitas hingga di tingkat dunia. Data dan informasi statistik yang berkualitas dapat menjadi acuan bagi pengambil kebijakan dalam membuat rancangan, memantau, dan evaluasi hasil, sehingga tujuan dapat dicapai dengan tepat. Data tersebut diperoleh dari sensus atau survei yang dilakukan sendiri dan juga dari departemen atau lembaga pemerintahan lainnya sebagai data sekunder. Penggunaan metode sampling dalam survei memungkinkan terjadinya kesalahan, salah satunya nonsampling error. Salah satu bentuk dari nonsampling error adalah kasus nonrespon. Beberapa faktor yang dapat memengaruhi nonrespon pada pelaksanaan survei di BPS adalah kejadian bencana (banjir, gempa bumi, tanah longsor, dan lain sebagainya), dan lokasi rumah tangga yang sulit dijangkau (daerah sulit). Sebagai upaya dalam mengurangi nonrespon, maka sebelum tahap pencacahan dimulai, BPS melakukan identifikasi desa-desa yang dianggap sulit berdasarkan kriteria tertentu. Apabila tidak memungkinkan untuk melakukan pencacahan pada daerah sulit karena terjadi bencana alam, konflik, atau alasan lainnya, maka daerah tersebut dapat digantikan oleh daerah lain. Pada kasus ekstrim (beberapa wilayah Indonesia Timur), daerah sulit akan langsung dikeluarkan dari sampling frame. Dampak yang ditimbulkan akibat tidak tercakupnya sampel di daerah sulit adalah terkait representasi sampel. Oleh sebab itu, diperlukan adanya solusi untuk menangani permasalahan ini, salah satunya dengan menemukan daerah lain yang tidak dikategorikan sulit namun memiliki kesamaan karakteristik dengan daerah sulit (sister village). Penelitian ini menggunakan sumber data sekunder yang tersedia hingga level desa, yaitu Data Potensi Desa (Podes). K-Modes adalah salah satu metode nonhirarki dalam analisis cluster yang khusus digunakan untuk mengelompokkan data kategorik. Algoritma k-modes umumnya sering digunakan karena cepat dan mudah dalam pembelajarannya, namun memiliki kelemahan yaitu buruknya inisialisasi awal pusat cluster. Kelemahan tersebut membuat algoritma k-modes sulit untuk konvergen pada solusi yang optimal. Artificial Bee Colony (ABC) merupakan salah satu metode metaheuristik yang dapat digunakan untuk membantu k-modes keluar dari permasalahan lokal optimal. Oleh karena itu, pada penelitian ini akan digunakan penggabungan antara metode artificial bee colony dan k-modes (ABC-KMO). Metode ABC digunakan untuk melakukan proses iterasi hingga menemukan hasil yang paling optimal, sedangkan metode k-modes akan melakukan proses pengelompokan.
dc.identifier.uri	https://repository.unpad.ac.id/handle/kandaga/140720190006
dc.subject	Analisis Cluster
dc.subject	K-Modes
dc.subject	Artificial Bee Colony
dc.title	Klasterisasi Data Kategorik Menggunakan Metode Artificial Bee Colony dan K-Modes (ABC-KMO) Pembentukan Sister Village Di Kabupaten Sintang Dalam Survei Angkatan Kerja Nasional