KOMBINASI SINGLE LINKAGE DENGAN K-MEANS CLUSTERING UNTUK PENGELOMPOKAN WILAYAH DESA KABUPATEN PEMALANG

 By : Sintya, Tri Ginanjar Laksana, Nia Annisa Ferani 

Metode K-Means sangat bergantung terhadap penentuan pusat cluster awal yang akan berdampak pada kualitas cluster yang dihasilkan. Hal tersebut ditemukan pada metode K-Means konvensional. Kemiskinan sebagian besar dialami oleh masyarakat pedesaan dan rendahnya tingkat pelayanan infrastruktur di kawasan pedesaan menjadi latar belakang kebijakan dan program pembangunan infrastruktur pedesaan. Dalam melaksanakan program pembangunan diperlukan identifikasi berdasarkan karakteristik tingkat kesejahteraan masyarakat di tiap daerah agar pengambilan kebijakan dan strategi pembangunan tepat sasaran. Oleh karena itu, diperlukan sebuah upaya pengelompokan desa agar pengambilan kebijakan menjadi tepat sasaran. Salah satu algoritma clustering yang banyak digunakan adalah algoritma K-Means karena cukup sederhana, mudah diimplementasikan, dan memiliki kemampuan untuk mengelompokkan data yang besar dengan sangat cepat. Namun algoritma K-Means memiliki kelemahan pada penentuan pusat cluster awal yang diberikan. Inisialisasi pusat cluster secara acak dapat memberikan hasil pembentukan cluster yang berubah-ubah (tidak konsisten). Untuk itu, metode K-Means perlu dikombinasikan dengan metode hirarki dalam penentuan pusat cluster awal. Metode kombinasi ini disebut sebagai Hierarchical K-Means yang merupakan penggabungan antara metode hierarchical dan partitioning, di mana proses hierarchical digunakan untuk mencari inisialisasi pusat cluster awal dan proses partitioning untuk mendapatkan cluster yang optimal. Metode hirarki yang akan dicoba pada penelitian ini adalah metode single linkage. Kombinasi algoritma single linkage dan k-means dengan k = 4 pada penelitian ini menghasilkan nilai silhouette coefficient sebesar 0.685 yang merupakan kategori klaster yang layak atau sesuai, sedangkan pengukuran evaluasi dengan Davies Boulldin Index menghasilkan nilai 0.577 

Kata kunci : Cluster, Davies Boulldin Index, K-means, Silhouette Coefficient, , Single Linkage

 

Saran

Kualitas cluster yang dihasilkan bergantung pada jumlah k dan yang akan digunakan serta pusat cluster. Untuk penelitian selanjutnya dapat dilakukan dengan metode analisis cluster yang lainnya, mengingat cakupan metode dari analisis cluster yang cukup banyak untuk diinterpretasikan serta dibandingkan setiap metode yang digunakan dan menerapkannya pada bidang keilmuan yang lainnya.