Data Mining Analisis Cluster K-Means Pada Indeks Pembangunan Teknologi, Informasi dan Telekomunikasi
DOI:
https://doi.org/10.36085/jtis.v3i3.1228Abstract
Saat ini Teknologi, Informasi, dan Komunikasi (TIK) menjadi faktor penting kemajuan suatu wilayah. Untuk mengukur potensi pembangunan TIK dan kesenjangan digital antarwilayah, perlu dilakukan pengelompokan. Penelitian ini menerapkan datamining menggunakan metode clustering dengan algoritma k-means. Sumber data diperoleh dari Badan Pusat Statistik menggunakan data Indeks Pembangunan Teknologi, Informasi, dan Komunikasi (IP-TIK) berdasarkan provinsi di Indonesia tahun 2019. Penelitian ini bertujuan untuk mengklasifikasikan wilayah berdasarkan Indeks Pembangunan TIK ke dalam 3 cluster. Berdasarkan hasil analisis k-means diperoleh tingkat IP-TIK rendah (C1) terdiri atas 4 provinsi yaitu Nusa Tenggara Timur, Sulawesi Barat, Maluku Utara, dan Papua, cluster sedang (C2) terdiri atas 22 Provinsi dan cluster tinggi (C3) terdiri atas 8 Provinsi yaitu Kepulauan Riau, DKI Jakarta, Jawa Barat, DI Yogyakarta, Banten, Bali, Kalimantan Timur dan Kalimantan Utara. Dengan melakukan cluster Indeks Pembangunan TIK dapat memberikan gambaran wilayah-wilayah yang masih memerlukan perbaikan sehingga terjadi pemerataan pembangunan TIK di setiap provinsi di Indonesia.
Keywords— Data Mining, Indeks Pembangunan Teknologi, Informasi dan Komunikasi (IP-TIK), K-Means
Â
References
B. D. E. L. A. Hoz-rosales, J. Antonio, C. Ballesta, I. Tamayo-torres, and K. Buelvas-ferreira, “Effects of Information and Communication Technology Usage by Individuals , Businesses , and Government on Human Development : An International Analysis,†IEEEAccess, vol. 7, pp. 129225–129243, 2019.
W. Iniasari, “Analisis Runtun Waktu dalam Pengujian Pengaruh TIK terhadap Penurunan Laju Kemiskinan di Indonesia,†IPTEKKOM, vol. 17, no. 1, pp. 19–30, 2015.
A. H. Fuady, “Teknologi Digital dan Ketimpangan Ekonomi di Indonesia,†Masy. Indones., vol. 41(1), pp. 75–88, 2018.
BPS RI, Indeks Pembangunan Teknologi, Informasi dan Komunikasi (ICT Development Index) 2018. 2019.
D. Nofriansyah, Konsep Data Mining Vs Sistem Pendukung Keputusan. Yogyakarta: Deepublish, 2014.
Eko Prasetyo, Data Mining: Konsep Dan Aplikasi Menggunakan MATLAB. Yogyakarta: PENERBIT ANDI, 2012.
H. Rehioui, A. Idrissi, M. Abourezq, and F. Zegrari, “DENCLUE-IM : A New Approach for Big Data Clustering,†Procedia - Procedia Comput. Sci., vol. 83, no. Ant 2016, pp. 560–567, 2016.
B. R. C. T. I et al., “Implemetasi k-means clustering pada rapidminer untuk analisis daerah rawan kecelakaan,†2017, no. April, pp. 58–62.
Karya ini dilisensikan di bawah 