Yusep SuparmanZulhanifSTEFANIE INTAN CHRISTIENOVA2024-05-302024-05-302018-01-15https://repository.unpad.ac.id/handle/kandaga/140720160032Kondisi geografis dan sosial-politik suatu daerah di Indonesia dapat menjadi kendala dalam pelaksanaan sensus/survei sehingga mengakibatkan keterlambatan pelaporan hasil kegiatan pendataan, permintaan penggantian sampel, dan non respon untuk daerah-daerah yang sulit diakses. Permintaan penggantian sampel seringkali terjadi pada pelaksanaan survei dengan pendekatan rumah tangga dan sebagian besar berasal dari Provinsi Papua. Oleh sebab itu, pada tahap pengambilan sampel, BPS telah menentukan daerah yang dianggap sulit dan dikeluarkan dari sampling frame. Penentuan daerah sulit dilakukan berdasarkan ketersediaan sarana transportasi, biaya transportasi, dan lama waktu yang diperlukan jika perjalanan ditempuh dengan jalan kaki. Namun, tidak tercakupnya suatu daerah karena dikatakan sulit bisa menyebabkan tidak terwakilinya karakteristik daerah tersebut. Adanya daerah lain yang memiliki kemiripan karakteristik (sister village) dan dapat menggantikan daerah sulit dalam sampel menjadi sesuatu yang penting. Pembentukan sister village sendiri terinspirasi dari konsep pembentukan sister city. Berdasarkan Surat Edaran Menteri Dalam Negeri Nomor:193/1652/PUOD/1993 tertanggal 26 April 1993, pembentukan sister city harus didasarkan pada beberapa kriteria, seperti adanya kesamaan kedudukan atas status administrasi, kesamaan besaran dan fungsi, kesamaan karakteristik, dan kesamaan permasalahan. Analisis Cluster digunakan untuk melakukan pengelompokan daerah bukan sulit agar berada pada cluster yang sama dengan daerah sulit yang memiliki kesamaan karakteristik (sister village). K-Means (KM) merupakan metode clustering non hirarki yang seringkali digunakan karena kesederhanaannya dan kemudahannya untuk diimplementasikan. Akan tetapi, KM memiliki kelemahan pada proses penentuan titik awal pusat cluster yang dilakukan secara acak. K-Harmonic Means (KHM) adalah algoritma clustering yang dapat memecahkan masalah inisialisasi pada algoritma KM, namun KHM masih belum dapat mengatasi masalah lokal optima. Particle Swarm Optimization (PSO) merupakan algoritma stokastik yang dapat digunakan untuk mengatasi permasalahan lokal optima, tapi pencapaian konvergensinya cenderung lambat. Untuk mencapai konvergen yang lebih cepat, PSO akan dikombinasikan dengan logika fuzzy menjadi Fuzzified PSO (FPSO). Oleh sebab itu, penelitian ini menggunakan hybrid analysis hasil integrasi algoritma Fuzzified Particle Swarm Optimization K-Harmonic Means (FPSOKHM) untuk mendapatkan hasil pengelompokan yang lebih baik.sister villageAnalisis ClusterPSO