IMPLEMENTASI METODE DBSCAN PADA PENGELOMPOKAN KABUPATEN/KOTA DI PULAU KALIMANTAN BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT

Abstract

Data Mining (knowledge discovery) adalah teknik atau proses untuk mendapatkan informasi dari gudang basis data yang besar. Berdasarkan fungsionalitasnya, salah satu tugas  data mining adalah melakukan pengelompokkan data, dimana  metode yang digunakan dalam penelitian ini adalah metode Density Based Saptial Clustering Algorithm with Noise (DBSCAN). Metode pengelompokkan DBSCAN diterapkan pada data indikator kesejahteraan rakyat. Tujuan penelitian ini adalah mengetahui berapa cluster yang terbentuk pada pengelompokkan mengunakan metode DBSCAN dan mengetahui kombinasi parameter yang optimal berdasarkan nilai Davies Bouldin Index (DBI). Berdasarkan hasil analisis, disimpulkan bahwa kombinasi parameter yang optimal adalah  = 2 dan MinPts = 2 dengan nilai DBI yang menghasilkan 5 cluster yaitu cluster 0 (titik-titik outlier) beranggotakan 33 Kabupaten/Kota,  cluster-1 beranggotakan 2 Kabupaten dengan karakteristik TPT, pengakses internet dan membeli/menerima raskin paling tinggi, cluster-2 beranggotakan 3 kabupaten dengan karakteristik angka pengeluran per kapita, status kepemilikan rumah sendiri dan korban kejahatan paling tinggi, cluster-3 beranggotakan 2 Kabupaten dengan karakteristik angka Imunisasi, AMH dan penerangan utama listrik PLN paling tinggi dan cluster-4 beranggotakan 2 Kabupaten dengan angka AHH, merokok, jumlah penduduk miskin dan akses air bersih paling tinggi.