Implementasi Self Organizing Map dalam Pengelompokkan Kabupaten di Jawa Barat Berdasarkan Kasus Covid-19

Aisykha Reisla Rayhan;  Widya Astuti;  Zakiyatush Shufila;  Edy Widodo

doi:10.21009/jsa.05206

Implementasi Self Organizing Map dalam Pengelompokkan Kabupaten di Jawa Barat Berdasarkan Kasus Covid-19

Jurnal Statistika dan Aplikasinya ◽

10.21009/jsa.05206 ◽

2021 ◽

Vol 5 (2) ◽

pp. 174-183

Author(s):

Aisykha Reisla Rayhan ◽

Widya Astuti ◽

Zakiyatush Shufila ◽

Edy Widodo

Keyword(s):

Self Organizing Map ◽

Corona Virus ◽

Cluster 2 ◽

Self Organizing

Covid-19 adalah penyakit menular yang disebabkan oleh jenis coronavirus. Penyakit menular baru yang disebabkan oleh sindrom pernafasan akut yang parah corona virus 2 (SARS-CoV-2), menyebar pesat ke beberapa negara di seluruh dunia termasuk negara Indonesia. Provinsi Jawa Barat merupakan salah satu provinsi sebagai penyumbang terbesar kasus covid-19 di Indonesia. Penelitian ini bertujuan untuk mengelompokkan wilayah kabupaten/kota di Provinsi Jawa Barat menurut perkembangan kasus covid-19. Metode yang digunakan dalam proses pengelompokan ini adalah metode Self Organizing Map (SOM). SOM merupakan perangkat visualisasi dan analisis untuk data berdimensi tinggi dan dalam pengelompokannya tidak diperlukan uji asumsi. Data sekunder yang digunakan pada penelitian ini adalah 5 variabel pada 27 kabupaten/kota di Provinsi Jawa Barat dari tanggal 1 Agustus 2020 sampai dengan 22 Juni 2021 yang bersumber dari Pusat Informasi dan Koordinasi Covid-19 Provinsi Jawa Barat. Berdasarkan hasil analisis menggunakan SOM diperoleh sebanyak dua cluster yang masing-masing memiliki karakteristik yang berbeda-beda untuk mengelompokkan 27 kabupaten/kota di Provinsi Jawa Barat. Cluster yang terbentuk meliputi cluster 1 yang terdiri dari 2 kota yaitu kota Depok dan kota Bekasi memiliki tingkat kasus covid-19 yang tertinggi, sedangkan Cluster 2 terdiri dari 25 kabupaten/kota di Jawa Barat dengan tingkat kasus covid-19 terendah.

Download Full-text

Job applicants clustering using self-organizing map

Bulletin of Social Informatics Theory and Application ◽

10.31763/businta.v1i2.28 ◽

2017 ◽

Vol 1 (2) ◽

pp. 60-71

Author(s):

Arum Handini Primandari ◽

Nur Aini Ikasakti

Keyword(s):

Educational Background ◽

Job Applicants ◽

Educational Quality ◽

Self Organizing Map ◽

Job Seekers ◽

Clustering Method ◽

Self Organizing Maps ◽

Grouping Method ◽

Cluster 2 ◽

Self Organizing

Yogyakarta Government through Directorate of Manpower and Transmigration (Disnakertrans) have been canvassing people looking for job. An employment program was provided by Disnakertrans to allow job applicants meet companies. This research was carried out to identify educational background of applicants, in order to obtain the suitable worker. One of the ways to identify educational background is by district clustering in Yogyakarta. Clustering method is employed to reveal the characteristic of educational quality in every district in Yogyakarta. Clustering is a grouping method which is done by minimalize the characteristic among class members and minimalize the characteristic among clusters. This research used Self Organizing Maps to grouping districts in Yogyakarta according to educational background of its job seekers. The clustering results 3 clusters: 6 districts belong to cluster 1, 4 districts belong to cluster 2, and 4 districts belong to cluster 3. Then, Yogyakarta map is used to visualize the result of district clustering.

Download Full-text

Pengembangan Sistem Informasi Pemetaan Infrastruktur Sistem Informasi Di Kota Probolinggo

Jurnal Informatika Polinema ◽

10.33795/jip.v6i3.318 ◽

2020 ◽

Vol 6 (3) ◽

pp. 65-70

Author(s):

R. FARAH DINI QOYYIMAH ◽

Erfan Rohadi, ST., M. Eng., Ph.D ◽

Rizky Ardiansyah, S.Kom, MT

Keyword(s):

Neural Network ◽

Unsupervised Learning ◽

Self Organizing Map ◽

Cluster 2 ◽

Self Organizing

Infrastruktur dan sistem informasi merupakan sumber daya manusia yang membantu pemerintah dalam mewujudkan dan pemberdayaan masyarakat baik secara ekonomi maupun kepuasan publik. Tidak terkecuali yang dilakukan pada Dinas Komunikasi dan Informatika Pemerintah Kota Probolinggo. Dalam meningkatkan kualitas pengembangangan infrastruktur secara lebih terkoordinir maka dibuatlah sistem informasi berbasis pemetaan infrastruktur dan sistem informasi dengan menggunakan algoritma clustering SOM. Self Organizing Map (SOM) merupakan salah satu metode dalam Jaringan Syaraf Tiruan (Neural Network) yang menggunakan pembelajaran tanpa pengarahan (Unsupervised Learning). Penelitian ini menghasilkan sebuah website yang memberikan informasi kepada user atau pengguna yang merupakan pihak pemerintahan Dinas Kominfo Kota Probolinggo dalam mengevaluasi perkembangan dan pemerataan infrastruktur dan sistem informasi. Dari hasil perhitungan menggunakan metode Self -Organizing Map dapat diterapkan dalam clustering untuk pemerataan infrastruktur IT yang menghasilkan 3 cluster yang terdiri dari cluster 1 yang memiliki persebaran infrastruktur yang baik berjumlah 1 wilayah, cluster 2 yang memiliki persebaran infrastruktur yang cukup baik berjumlah 23 wilayah dan cluster 3 yang memiliki persebaran infrastrukttur yang kurang baik berjumlah 5 wilayah. Sehingga dapat diketahui pemerataan IT di Kota Probolingo dapat dinilai cukup baik. 4. Berdasarkan pengujian diperoleh hasil akurasi hasil cluster yang baik dengan menggunakan Self-Organizing Map sebanyak 62.06897%. Kata kunci : Clustering, Self Organizing Map (SOM)

Download Full-text

Self-Organizing Map Menggunakan Davies-Bouldin Index dalam Pengelompokan Wilayah Indonesia Berdasarkan Konsumsi Pangan

Jambura Journal of Mathematics ◽

10.34312/jjom.v3i2.10942 ◽

2021 ◽

Vol 3 (2) ◽

pp. 187-196

Author(s):

Mujiati Dwi Kartikasari

Keyword(s):

Food Consumption ◽

Optimum Number ◽

Self Organizing Map ◽

Calorie Consumption ◽

Consumption Data ◽

Development Policies ◽

Food Commodities ◽

Cluster 2 ◽

Regional Grouping ◽

Self Organizing

ABSTRAKKecukupan konsumsi pangan merupakan salah satu penunjang terbentuknya sumber daya manusia unggul yang menjadi fokus kebijakan pembangunan di Indonesia. Agar konsumsi pangan terpenuhi, salah satu cara yang dapat dilakukan adalah melakukan pengelompokan wilayah berdasarkan konsumsi pangan. Penelitian ini bertujuan untuk mengelompokkan wilayah Indonesia berdasarkan konsumsi pangan berdasarkan data konsumsi kalori per kapita sehari dari berbagai komoditas pangan. Pengelompokan wilayah dilakukan dengan metode self-organizing map (SOM) dengan terlebih dahulu ditentukan jumlah cluster optimum menggunakan nilai Davies-Bouldin Index (DBI) terkecil. Hasil penelitian menunjukkan bahwa hasil cluster optimum yang terbentuk sejumlah 4 cluster dengan jumlah anggota untuk cluster 1 sebanyak 22 provinsi, cluster 2 sebanyak 10 provinsi, cluster 3 sebanyak 1 provinsi, dan cluster 4 sebanyak 1 provinsi.ABSTRACTAdequate food consumption is one of the supports for forming superior human resources, which is the focus of development policies in Indonesia. To fulfill food consumption, one way to be done is to group regions based on food consumption. This study aims to classify regions of Indonesia based on food consumption based on average daily per capita calorie consumption data from various food commodities. Regional grouping is done using the self-organizing map (SOM) method by first determining the optimum number of clusters using the smallest Davies-Bouldin Index (DBI) value. The results showed that the optimum cluster results were 4 clusters with the number of members for cluster 1 as many as 22 provinces, cluster 2 as many as 10 provinces, cluster 3 as many as 1 province, and cluster 4 as many as 1 province.

Download Full-text

PENGELOMPOKKAN DAN PEMETAAN KARAKTERISTIK KEMISKINAN DI KABUPATEN MALUKU BARAT DAYA PROVINSI MALUKU DENGAN MENGGUNAKAN SELF-ORGANIZING MAP DAN ANALISIS BIPLOT

BAREKENG JURNAL ILMU MATEMATIKA DAN TERAPAN ◽

10.30598/barekengvol13iss2pp093-106ar810 ◽

2019 ◽

Vol 13 (2) ◽

pp. 093-106

Author(s):

Zeth Arthur Leleury ◽

Berny Pebo Tomasouw

Keyword(s):

Self Organizing Map ◽

Cluster 2 ◽

Self Organizing

Berdasarkan hasil survei sosial ekonomi nasional (SUSENAS) BPS Provinsi Maluku menunjukkan bahwa kabupaten Maluku Barat Daya (MBD) merupakan kabupaten yang memiliki persentase tingkat kemiskinan tertinggi di provinsi Maluku dengan persentase tingkat kemiskinan 30,18 persen. Penelitian ini bertujuan untuk melakukan pengelompokkan desa/kecamatan di Kabupaten MDB guna melihat karakteristik kemiskinan pada setiap cluster. Selain itu, juga dilakukan pemetaan karakteristik kemiskinan untuk setiap desa/kecamatan di Kabupaten MBD sebagai upaya untuk mengetahui keragaman karakteristik kemiskinan. Metode pengelompokkan yang digunakan adalah algoritma jaringan syaraf tiruan Self Organizing Map (SOM) dan Biplot. Hasil penelitian memperlihatkan bahwa hasil pengelompokkan terbaik adalah dengan metode Biplot karena memiliki rasio yang lebih kecil. Adapun hasil pengelompokkan 17 kecamatan di kabupaten MBD terbagi dalam 4 cluster yakni cluster 1 terdiri kecamatan Pulau-Pulau Terselatan, Letti dan Moa; cluster 2 terdiri dari kecamatan Pulau-Pulau Babar dan Babar Timur; cluster 3 terdiri dari kecamatan Pulau Masela, Mdona Hyera, Kepulauan Romang, Damer, Wetar, dan Wetar Barat; sedangkan cluster 4 terdiri dari kecamatan Wetar Utara, Wetar Timur, Kisar Utara, Lakor, Dawelor Dawera dan Pulau Wetang. Ada 11 faktor yang mempengaruhi sehingga cluster 4 tergolong dalam cluster dengan karakteristik kemiskinan tertinggi. Sedangkan ada 4 faktor yang mempengaruhi sehingga cluster 3 tergolong dalam cluster dengan karakteristik kemiskinan cukup tinggi.

Download Full-text