PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN DATA JUMLAH KEJADIAN DAN DAMPAK BENCANA BANJIR MENGGUNAKAN METODE FUZZY C-MEANS
Keywords:
Cluster Analysis, Flood Disaster, Fuzzy C-Means, Modified Partition Coefficient
Abstract
Cluster analysis is a technique used to find groups of similar data objects. The Fuzzy C-Means (FCM) method is a data grouping method where the existence of each data in a cluster is determined by the degree of membership. This study aims to determine the optimal number of clusters based on the Modified Partition Coefficient (MPC) validity index and to determine the optimal grouping results of 34 provinces in Indonesia based on data on the number of events and the impact of floods in 2017-2021. The optimal number of clusters using the FCM method is based on MPC value consists of 2 clusters, namely the first cluster consisting of 27 provinces in Indonesia and the second cluster consisting of 7 provinces in Indonesia.
References
Apsari, G. R., Pradana, M. S., & Chandra, N. E. (2020). Implementasi Fuzzy C- Means dan Possibilistik C-Means Pada Data Performance Mahasiswa. Unisda Journal of Mathematics and Computer Science (UJMC), 6(2), 39–48.
Bakornas PB. (2007). Pengenalan karakteristik bencana dan upaya mitigasinya di Indonesia : Vol. II. Jakarta : Direktorat Mitigasi, Lahar Bakornas PB.
Findayani, A. (2015). Kesiap Siagaan Masyarakat Dalam Penanggulangan Banjir Di Kota Semarang. Jurnal Geografi : Media Informasi Pengembangan Dan Profesi Kegeografian, 12(1),102–114.
Gujarati, D. (2003). Ekonometri Dasar. Terjemahan: Sumarno Zain. Jakarta: Erlangga.
Hakim G. P. N., Diah S, Ahmad F, Fajar R. I. M., & Setiyo B. (2021). Sistem Fuzzy : Panduan Lengkap Aplikatif. Yogyakarta : Andi (Anggota IKAPI).
Ibrahim, A., Asrul, H. A., Madi, Baharuddin, Muhammad, A. A., Darmawati. (2018). Metodologi Penelitian. Makassar : Gunadarma Ilmu.
Islamy, U., Nursidah, D. R., Narendra, I. S., Anshori, M. L., & Edi, W. (2022). Pengelompokkan Provinsi Di Indonesia Berdasarkan Indikator Dampak Bencana Banjir Tahun 2017-2020. Bimaster, 11(2), 381–388.
Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy untuk Pendukung Keputusan Edisi 2. Yogyakarta: Graha Ilmu.
Messakh, G. C., Hayati, M. N., & Sifriyani. (2023). Comparison K-Means and Fuzzy C-Means in Regencies/Cities Grouping Based on Educational Indicators. Jurnal Varian, 7(1), 99-114.
Prasetyo, E. (2014). Data Mining Mengelolah Data Menjadi Informasi Menggunakan Matlab Edisi Baru. Yogyakarta : Penerbit CV. ANDI.
Ramadhan, A., & Handinata, R. (2019). Implementasi Algoritma Fuzzy C-Means untuk Pengelompokan Wilayah Bencana Banjir. Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 11, 171-177.
Santoso, S. (2015). Menguasai Statistik Multivariat. Jakarta : PT Elex Media Komputindo.
Sari, H. L., & Suranti, D. (2016). Perbandingan Algoritma Fuzzy C-Means (FCM) dan Algoritma Mixture Dalam Penclusteran Data Curah Hujan Kota Bengkulu. Proceeding SNATI 2016, 7–15.
Setiawan, R., Ernawati, & Efendi, R. (2018). Klasifikasi Kawasan Permukiman Tingkat Kelurahan Untuk Pembangunan Sistem Berbasis Data Kualitas Permukiman (Studi Kasus: 67 Kelurahan di Kota Bengkulu). Jurnal Pseudocode, 5(1), 45-55.
Silitonga, P. D. P. S., & Morina, I. S. (2017). Klusterisasi Pola Penyebaran Penyakit Pasien Berdasarkan Usia Pasien Dengan Menggunakan K-Means Clustering. Jurnal TIMES, VI(2), 22–25.
Suyanto. (2017). Data Mining Untuk Klasifikasi dan Klasterisasi Data. Bandung: Informatika.
Werdiningsih, I., Nuqoba, B., & Muhammadun. (2020). Data Mining Menggunakan Android, Weka, dan SPSS. Surabaya: Airlangga University Press.
Wijaya, T & Budiman S. (2016). Analisis Multivariat Untuk Penelitian Manajemen. Yogyakarta : Pohon Cahaya.
Yulianto, S & Hidayatullah, K. H. (2014). Analisis Klaster untuk Pengelompokan Kabupaten/Kota di Provinsi Jateng berdasarkan Indikator Kesejahteraan Rakyat. Jurnal Akd. Statistika Muhammadiyah Semarang, 2(1),56-63.
Zalmita, N., Fitria, A., & Taher, A. (2021). Tingkat Kerugian Ekonomi Pada Bencana Banjir di Aceh Utara Tahun 2014-2019. JURNAL GEOGRAFI Geografi Dan Pengajarannya, 19(2), 61–68.
Bakornas PB. (2007). Pengenalan karakteristik bencana dan upaya mitigasinya di Indonesia : Vol. II. Jakarta : Direktorat Mitigasi, Lahar Bakornas PB.
Findayani, A. (2015). Kesiap Siagaan Masyarakat Dalam Penanggulangan Banjir Di Kota Semarang. Jurnal Geografi : Media Informasi Pengembangan Dan Profesi Kegeografian, 12(1),102–114.
Gujarati, D. (2003). Ekonometri Dasar. Terjemahan: Sumarno Zain. Jakarta: Erlangga.
Hakim G. P. N., Diah S, Ahmad F, Fajar R. I. M., & Setiyo B. (2021). Sistem Fuzzy : Panduan Lengkap Aplikatif. Yogyakarta : Andi (Anggota IKAPI).
Ibrahim, A., Asrul, H. A., Madi, Baharuddin, Muhammad, A. A., Darmawati. (2018). Metodologi Penelitian. Makassar : Gunadarma Ilmu.
Islamy, U., Nursidah, D. R., Narendra, I. S., Anshori, M. L., & Edi, W. (2022). Pengelompokkan Provinsi Di Indonesia Berdasarkan Indikator Dampak Bencana Banjir Tahun 2017-2020. Bimaster, 11(2), 381–388.
Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy untuk Pendukung Keputusan Edisi 2. Yogyakarta: Graha Ilmu.
Messakh, G. C., Hayati, M. N., & Sifriyani. (2023). Comparison K-Means and Fuzzy C-Means in Regencies/Cities Grouping Based on Educational Indicators. Jurnal Varian, 7(1), 99-114.
Prasetyo, E. (2014). Data Mining Mengelolah Data Menjadi Informasi Menggunakan Matlab Edisi Baru. Yogyakarta : Penerbit CV. ANDI.
Ramadhan, A., & Handinata, R. (2019). Implementasi Algoritma Fuzzy C-Means untuk Pengelompokan Wilayah Bencana Banjir. Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 11, 171-177.
Santoso, S. (2015). Menguasai Statistik Multivariat. Jakarta : PT Elex Media Komputindo.
Sari, H. L., & Suranti, D. (2016). Perbandingan Algoritma Fuzzy C-Means (FCM) dan Algoritma Mixture Dalam Penclusteran Data Curah Hujan Kota Bengkulu. Proceeding SNATI 2016, 7–15.
Setiawan, R., Ernawati, & Efendi, R. (2018). Klasifikasi Kawasan Permukiman Tingkat Kelurahan Untuk Pembangunan Sistem Berbasis Data Kualitas Permukiman (Studi Kasus: 67 Kelurahan di Kota Bengkulu). Jurnal Pseudocode, 5(1), 45-55.
Silitonga, P. D. P. S., & Morina, I. S. (2017). Klusterisasi Pola Penyebaran Penyakit Pasien Berdasarkan Usia Pasien Dengan Menggunakan K-Means Clustering. Jurnal TIMES, VI(2), 22–25.
Suyanto. (2017). Data Mining Untuk Klasifikasi dan Klasterisasi Data. Bandung: Informatika.
Werdiningsih, I., Nuqoba, B., & Muhammadun. (2020). Data Mining Menggunakan Android, Weka, dan SPSS. Surabaya: Airlangga University Press.
Wijaya, T & Budiman S. (2016). Analisis Multivariat Untuk Penelitian Manajemen. Yogyakarta : Pohon Cahaya.
Yulianto, S & Hidayatullah, K. H. (2014). Analisis Klaster untuk Pengelompokan Kabupaten/Kota di Provinsi Jateng berdasarkan Indikator Kesejahteraan Rakyat. Jurnal Akd. Statistika Muhammadiyah Semarang, 2(1),56-63.
Zalmita, N., Fitria, A., & Taher, A. (2021). Tingkat Kerugian Ekonomi Pada Bencana Banjir di Aceh Utara Tahun 2014-2019. JURNAL GEOGRAFI Geografi Dan Pengajarannya, 19(2), 61–68.
Published
2024-04-30
How to Cite
Hayati, M. N., Goejantoro, R., Siringoringo, M., Purnamasari , I., Yuniarti, D., Nida, K., & Messakh, G. C. (2024). PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN DATA JUMLAH KEJADIAN DAN DAMPAK BENCANA BANJIR MENGGUNAKAN METODE FUZZY C-MEANS. VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 6(01), 21-34. https://doi.org/10.35580/variansiunm167
Issue
Section
Articles
