ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

Kamseno, Sigit (2017) ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (385kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (569kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (337kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (537kB)
	Text (BAB V) BAB V.pdf Download (67kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (649kB)
	Archive (SOURCE CODE) Source Code 13.11.6968 Sigit Kamseno.zip Restricted to Repository staff only Download (8MB)

Abstract

World Development Indicators merupakan sebuah database yang berisi tentang track records indikator - indikator yang mempengaruhi perkembangan suatu negara. Ada berbagai macam data yang tercatat dalam database tersebut, seperti nama negara, kode negara, sistem perdagangan yang digunakan, kategori pendapatan, survei - survei, dan masih banyak lagi. Data tersebut dihimpun oleh World Bank sebagai salah satu organisasi internasional yang berperan untuk membantu negara berkembang menjadi negara maju, khususnya dalam mengembangkan ekonomi. Dalam penelitian ini akan dibuat klaster yang akan membagi negara - negara di dunia ke dalam sebuah klaster (kelompok) menggunakan algoritma DBSCAN. Klaster tersebut akan mewakilkan suatu negara termasuk dalam klaster negara maju, negara berkembang, atau negara yang tertinggal soal perkembangannya. Klasterisasi akan dilakukan dengan melakukan perbandingan indikator - indikator dimasing - masing negara yang kemudian indikator tersebut di transformasi menjadi nilai - nilai kuantitatif. Perbandingan nilai kuantitatif ditentukan dengan nilai eps (kedekatan), seberapa dekat nilai kuantitatif suatu negara dengan nilai kuantitatif negara lain. Setelah pebandingan nilai eps ditentukan pula minPts (minimum points) yang akan menentukan kedekatan - kedekatan points layak menjadi sebuah klaster. Klaster yang terbentuk akan mempengaruhi penamaan klaster, ditentukan berdasarkan rata - rata nilai kuantitatif negara di klaster tersebut lebih kecil dari klaster lain atau lebih besar dari klaster disekitarnya. Evaluasi klaster dilakukan setelah klaster terbentuk dengan metode Sillhouette Index. Metode ini dilakukan dengan mencari rata - rata jarak atau kemiripan klaster.

Actions (login required)

View Item