Implementasi Data Mining Clustering Dalam Mengelompokan Kasus Perceraian Yang Terjadi Di Provinsi Jawa Barat  Menggunakan Algoritma K-Means

Ihsan Ahmad Fauzi; Raditya Danar Dana

doi:10.61132/maeswara.v1i4.64

Authors

Ihsan Ahmad Fauzi STMIK IKMI
Raditya Danar Dana STMIK IKMI

DOI:

https://doi.org/10.61132/maeswara.v1i4.64

Keywords:

Data Mining, Clustering, K-Means, Davies Bouldin Index

Abstract

Divorce cases in West Java Province have increased every year. The profile map of divorce cases that occurred in each region is not yet known, so efforts to provide guidance to minimize divorce cases are not optimal. Divorce case data is also not equipped with a visualization feature that makes it easier for authorized officials to easily understand and analyze data. This study analyzes divorce cases in regencies/cities in West Java Province, using the K-Means Algorithm Clustering data mining method. The clustering method is grouping data based on the same characteristics. In determining the number of clusters, that is by using the value of the Davies Bouldin Index. The results of this study obtained the best cluster of grouping divorce cases, there were 2 clusters, namely cluster 0, there were 5 regencies and 9 cities, while in cluster 1 there were 13 regencies, with a Davies Bouldin index value of 0.168 and an avg.within centroid distance value of 5,870. Cluster 0 is the city/district with the lowest divorce cases and cluster 1 is the city/district with the highest divorce cases.

Downloads

Download data is not yet available.

References

Anggreini Novita Lestari. (2019). Teknik Clustering Dengan Algoritma K-Medoids Untuk Menangani Strategi Promosi Di Politeknik Tedc Bandung. Jurnal Teknologi Informasi Dan Pendidikan, 12(2). http://tip.ppj.unp.ac.id

Aprianti, W., & Permadi, J. (2018). K-Means Clustering Untuk Data Kecelakaan Lalu Lintas Jalan Raya Di Kecamatan Pelaihari. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 5(5), 613–620. https://doi.org/10.25126/jtiik2018551113

Azwanti, N. (2018). Segmentasi Tingkat Pemakaian Material dengan Data Mining Clustering. Jurnal Komputer Terapan, 4(2). http://jurnal.pcr.ac.id

Disi, A. P., & Sumargo, B. (2019). Pengelompokan Pengguna Internet Dengan Metode K-Means Clustering. Jurnal Statistika Dan Aplikasinya (JSA, 3(1).

Dwi Rahayu, U., Chusna, N. L., & Fachri, M. (2022). Analisis Kasus Perceraian Pada Pengadilan Negeri Bekasi Menggunakan Algoritma K-Means Clustering. IKRAITH-INFORMATIKA, 6.

Elvi. (2021). Analisis Algoritma K-Means Dalam Pengelompokan Perkara Perceraian Berdasarkan Kelurahan Di Kota Jambi. Jurnal Processor, 16(1), 9–19. https://doi.org/10.33998/processor.2021.16.1.920

Mulyani, E. D. S., Yusup, A. M., Tisna, A. K., Fauzi, F. A., Seta, I. B., Khairunas, R., & Ardiansyah, W. (2019). Clustering Wilayah Dan Pelanggaran Berkendaraan Menggunakan Algoritma K-Means Pada Data Satlantas Polres Tasikmalaya Kota. 8(1).

Nurhayati, N., Azzahra, F., Ramadani, S., Hastuti, S. D., & Irawan, E. (2020). Analisis Metode Klastering Pada Kasus Penyebab Perceraian Berdasarkan Provinsi Dengan Teknik K-Means. Jurnal KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 4(1). https://doi.org/10.30865/komik.v4i1.2699

Parlina, I., Perdana Windarto, A., Wanto, A., & Lubis, Mr. (2018). Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center Untuk Clustering Program Sdp. CESS (Journal of Computer Engineering System and Science), 3(1), 2502–2714.

Triyansyah, D., & Fitrianah, D. (2018). Analisis Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing. Jurnal Telekomunikasi Dan Komputer, 8. https://doi.org/10.22441/incomtech.v8i2.4174