Pengelompokan Provinsi Di Indonesia Berdasarkan Rasio Penggunaan Gas Rumah Tangga Pada Tahun 2023 Menggunakan Hierarchical Clustering

Afdal Aditya Nasution; Pradita  Eko Prasetyo Utomo; Ulfa Khaira; Akhiyar Waladi

doi:10.58794/jekin.v5i1.1232

Authors

Afdal Aditya Nasution Universitas Jambi
Pradita Eko Prasetyo Utomo Universitas Jambi
Ulfa Khaira Universitas Abdurrab
Akhiyar Waladi Universitas Abdurrab

DOI:

https://doi.org/10.58794/jekin.v5i1.1232

Keywords:

Klasterisasi Hierarki, Average Linkage, Silhouette Coefficient, Penggunaan Gas Rumah Tangga

Abstract

Penggunaan energi gas rumah tangga merupakan aspek penting yang mencerminkan aksesibilitas dan distribusi energi di berbagai wilayah Indonesia. Penelitian ini bertujuan untuk mengelompokkan provinsi-provinsi di Indonesia berdasarkan pola penggunaan gas rumah tangga menggunakan metode klasterisasi hierarki dengan pendekatan average linkage. Data yang digunakan bersumber dari Badan Pusat Statistik (BPS) dan telah melalui proses praproses untuk memastikan kebersihan dan konsistensi data. Evaluasi hasil klasterisasi dilakukan dengan membandingkan nilai rata-rata Silhouette Coefficient pada jumlah klaster yang berbeda, menunjukkan bahwa dua klaster merupakan jumlah optimal, dengan pemisahan antar kelompok yang signifikan dan kohesi yang tinggi dalam setiap klaster. Hasil klasterisasi ini memberikan gambaran yang jelas mengenai pola penggunaan gas di Indonesia, dengan rata-rata rasio penggunaan gas rumah tangga tahun 2023 pada klater 1 adalah 90,02 atau 90,02%. Dan rata-rata rasio penggunaan gas rumah tangga tahun 2023 pada klater 2 adalah 2,3 atau 2,3%.

Downloads

Download data is not yet available.

References

. Kaufman, L., & Rousseeuw, P,” Finding Groups in Data: An Introduction to Cluster Analysis. In John Wiley & Sons”, Vol. 11, Issue 1, John Wiley & Sons, New York, 2005.

. Everitt, B., Landau, S., Leese, M., & Stahl, D., “Cluster analysis”, Vol. 14, Issue 1, Wiley, 2011.

. Rousseeuw, P. J., “Silhouettes: A graphical aid to the interpretation and validation of cluster analysis”, Journal of Computational and Applied Mathematics, 20(C), 53–65., 1987.

. Rahayu, P., Sudipa, I. G. I., Suryani, Surachman, A., Ridwan, A., Darmawiguna, I. G. M., Sutoyo, M., Slamet, I., Harlina, S., & May Sanjaya, I. M., “Buku Ajar Data Mining”, Vol. 1, Issue January, 2024.

. Permana, I., & Salisah, F. N. S., “Pengaruh Normalisasi Data Terhadap Performa Hasil Klasifikasi Algoritma Backpropagation”, Indonesian Journal of Informatic Research and Software Engineering (IJIRSE), 2(1), 67–72, 2022.

. Syafiyah, U., Asrafi, I., Wicaksono, B., Puspitasari, D. P., & Sirait, M., “Analisis Perbandingan Metode Cluster Data Indikator Ketenagakerjaan di Jabar Tahun 2020”, Seminar Nasional Official Statistics, 2022, 803–812, 2020

. Septianingsih, A., “Pemetaan Kabupaten Kota Di Provinsi Jawa Timur Berdasarkan Tingkat Kasus Penyakit Menggunakan Pendekatan Agglomeratif Hierarchical Clustering”, Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika Dan Statistika, 3(2), 367–386, 2022

. Putri, P. M., et al. (2020). “Pengelompokan Data Rasio Penggunaan Gas Rumah Tangga Berdasarkan Provinsi di Indonesia Menggunakan Metode K-Means Clustering”. Prosiding Seminar Nasional Teknologi Komputer & Sains (SAINTEKS).