KLASTERISASI PENILAIAN KECAMATAN DAN KELURAHAN DI KOTA JAMBI MENGGUNAKAN ALGORITMA K-MEANS (STUDI KASUS : SEKRETARIAT DAERAH KOTA JAMBI)

Pramudya, Yuga (2023) KLASTERISASI PENILAIAN KECAMATAN DAN KELURAHAN DI KOTA JAMBI MENGGUNAKAN ALGORITMA K-MEANS (STUDI KASUS : SEKRETARIAT DAERAH KOTA JAMBI). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (356kB)
	Text BAB II.pdf Restricted to Registered users only Download (581kB)
	Text BAB III.pdf Restricted to Registered users only Download (274kB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Download (340kB)
	Text DAFTAR PUSTAKA.pdf Download (447kB)

Abstract

Bagian Tata Pemerintahan Sekretariat Daerah Kota Jambi menyelenggarakan kegiatan penilaian kecamatan dan kelurahan berprestasi tingkat Kota Jambi Tahun 2022 guna mendorong kepala daerah bersama masyarakat untuk saling kompak dalam mengoptimalkan potensi terhadap kualitas aspek pemerintahan yang lebih baik. Hasil data penilaian telah selesai dilakukan namun memerlukan penghitungan yang akurat dengan menggunakan algoritma yang tepat untuk dipergunakan dalam kebutuhan penentuan segmentasi pembinaan sesuai dengan kualitas kinerja dari hasil penilaian juri terhadap kepala daerah. Dalam penelitian ini dilakukan klasterisasi algoritma K-Means pada hasil data penilaian 11 data kecamatan dan 62 data kelurahan berprestasi tingkat Kota Jambi Tahun 2022 dengan penghitungan menggunakan secara manual, rapidminer, weka, dan google colab (python), dilakukan pembagian 3 (tiga) kluster dengan katerangan baik, sedang, dan belum baik maka hasilnya pada data kecamatan kluster 1 (C0) yaitu 4 data, kluster 2 (C1) yaitu 3 data, kluster 3 (C2) yaitu 3 data, sedangkan pada data kelurahan kluster 1 (C0) yaitu 4 data, kluster 2 (C1) yaitu 11 data, kluster 20 (C2) yaitu 31 data. Adapun hasil evaluasi melalui perbandingan penghitungan manual, rapidminer, dan google colab (Python) mendapatkan hasil data kecamatan sebesar 1,016325436 dan data kelurahan sebesar 0,235069624.

Actions (login required)

View Item