ANALISIS PEMILIHAN WALI KOTA BENGKULU TAHUN 2024 MENGGUNAKAN METODE K-MEANS

Dublin Core

Title

ANALISIS PEMILIHAN WALI KOTA BENGKULU TAHUN 2024 MENGGUNAKAN METODE K-MEANS

Description

Suatu peroses analisis pemilih tetap dengan teknik data mining. Dalam
melakukan pengumpulan data Penelitian ini menggunakan metode CRIPD-DM
(Cross Industry Standart Process for Data Mining). Teknik data mining yang
digunakan pada penelitian ini dalam menganalisa pemilih tetap di Komisi
Pemilihan Umum (KPU) Kota Bengkulu adalah Algoritma K-Means Clustering.
Penerapan metode K-Means pada penelitian ini, yaitu sistem mengelompokan
data pemilih tetap dengan usia, jenis kelamin dan domisili. Setelah data pada
setiap cluster tidak berubah-ubah, maka dapat diketahui hasil akhirnya. lalu
menerapkan Algoritma K-Means pada Rapidminer dilakukan dengan
memasukkan data pemilih dengan atribut usia, jenis kelamin, dan domisili yang
akan menjadi Database pada Ms.Excel, data tersebut kemudian dikoneksikan ke
dalam Tools Rapidminer, kemudian akan diolah dengan dibentuk K-means pada
Tools RapidMiner. Setelah itu, Rapidminer akan menghitung cluster atau
mengelompokkan data.

Creator

INCHI YANIN DORA
NPM: 1955201058
PEMBIMBING
Eka Sahputra
PENGUJI 1
Marhalim
Penguji 2
Ujang Juhari

Source

PRODI TEKNIK INFORMATIKA

Publisher

UPT PERPUSTAKAAN

Date

9 JUNI 2023

Contributor

UNIVERSITAS MUHAMMADIYAH BENGKULU

Rights

UNIVERSITAS MUHAMMADIYAH BENGKULU

Format

PDF File

Language

BAHASA INDONESIA

Type

JURNAL SKRIPSI

Identifier

[1] D. Tristiani, “Dosen Jurusan Politik dan Kewarganegaraan, Fakultas Ilmu
Sosial Universitas Negeri Semarang. 94,” J. Polit. Dan Kewarganegaraan,
vol. 396, no. 2, pp. 94–104, 2017.
[2] G. Suripatty, “Jurnal Sosio Sains,” Standar Prosedur Pelaks. Rekrut. dan
Sel. Apar. Sipil Negara, vol. 5, no. April, pp. 108–114, 2019.
[3] G. Fajriansyah, “Analisis Daftar Pemilih Tetap Pada Hasil Rekapitulasi
Kpu Berdasarkan Usia Menggunakan Algoritma K-Means (Studi Kasus :
Kota Bandar Lampung),” Electrician, vol. 15, no. 1, pp. 39–53, 2021, doi:
10.23960/elc.v15n1.2147.
[4] R. Toyib, “Telematik : Vol 7, No 1,Januari 2015 1539,” vol. 7, no. 1, pp.
1539–1548, 2015.
[5] I. Kurniawan and A. Susanto, “Implementasi Metode K-Means dan Naïve
Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres)
2019,” Eksplora Inform., vol. 9, no. 1, pp. 1–10, 2019, doi:
10.30864/eksplora.v9i1.237.
[6] F. N. R. F. Aziz, B. D. Setiawan, and I. Arwani, “Implementasi Algoritma
K-Means untuk Klasterisasi Kinerja Akademik Mahasiswa,” J. Pengemb.
Teknol. Inf. dan Ilmu Komput., vol. 2, no. 6, pp. 2243–2251, 2018.
[7] P. S. Nur Wardhani, “Partisipasi Politik Pemilih Pemula dalam Pemilihan
Umum,” Jupiis J. Pendidik. Ilmu-Ilmu Sos., vol. 10, no. 1, p. 57, 2018, doi:
10.24114/jupiis.v10i1.8407.
[8] F. Yunita, “Penerapan Data Mining Menggunkan Algoritma K-Means
Clustring Pada Penerimaan Mahasiswa Baru,” Sistemasi, vol. 7, no. 3, p.
238, 2018, doi: 10.32520/stmsi.v7i3.388.
[9] M. G. Sadewo, A. P. Windarto, and A. Wanto, “Penerapan Algoritma
Clustering Dalam Mengelompokkan Banyaknya Desa/Kelurahan Menurut
Upaya Antisipasi/ Mitigasi Bencana Alam Menurut Provinsi Dengan KMeans,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 2, no.
1, pp. 311–319, 2018, doi: 10.30865/komik.v2i1.943.
[10] F. I. Sri Rahayu, Dodon T. Nugrahadi, “Clustering Penentuan Potensi
53
Kejahatan Daerah Di Kota Banjarbaru Dengan Metode K-Means,” Kumpul.
J. Ilmu Komput., vol. 01, no. 01, pp. 33–45, 2014.
[11] A. Yadav and S. Dhingra, “An Enhanced K-Means Clustering Algorithm to
Remove Empty Clusters,” Ijedr, vol. 4, no. 4, pp. 901–907, 2016.
[12] K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan Rapidminer
Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah
Dengue (Dbd) Berdasarkan Provinsi,” Comput. Eng. Sci. Syst. J., vol. 3, no.
2, p. 173, 2018, doi: 10.24114/cess.v3i2.9661.
[13] Y. Suhanda, I. Kurniati, and S. Norma, “Penerapan Metode Crisp-DM
Dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa
Berdasarkan Kualitas Akademik,” J. Teknol. Inform. dan Komput., vol. 6,
no. 2, pp. 12–20, 2020, doi: 10.37012/jtik.v6i2.299.
[14] A. Nurzahputra, M. A. Muslim, and M. Khusniati, “Penerapan Algoritma
K-Means Untuk Clustering Penilaian Dosen Berdasarkan Indeks Kepuasan
Mahasiswa,” Techno.Com, vol. 16, no. 1, pp. 17–24, 2017, doi:
10.33633/tc.v16i1.1284.

Collection

Citation

INCHI YANIN DORA NPM: 1955201058 et al., “ANALISIS PEMILIHAN WALI KOTA BENGKULU TAHUN 2024 MENGGUNAKAN METODE K-MEANS,” Repository Universitas Muhammadiyah Bengkulu, accessed June 12, 2024, http://repo.umb.ac.id/items/show/3734.