Algoritma Algoritma K-Means Clustering untuk Mengklasifikasi Tingkat Kepuasan Layanan Informasi Hukum di Provinsi Jawa Barat
Algoritma K-Means Clustering untuk Mengklasifikasi Tingkat Kepuasan Layanan Informasi Hukum di Provinsi Jawa Barat
DOI:
https://doi.org/10.35143/jkt.v8i1.5209Kata Kunci:
kepuasan layanan, review 360, algoritma k-means, Davies Boulding IndexAbstrak
Jaringan Dokumentasi dan Informasi Hukum (JDIH) adala salah satu instansi pemerintah dalam bidang hukum, yang diatur melalui Peraturan Presiden Nomor 33 Tahun 2012. JDIH terdiri dari pusat dan daerah, pada tingkat provinsi Biro Hukum dan HAM adalah pusat JDIH di wilayahnya. JDIH di tingkat provinsi mempunyai tugas dan fungsi untuk melakukan pembinaan, monitoring dan evaluasi anggotanya. Untuk mengukur tingkat kepuasan masyarakat anggota JDIH di Jawa Barat, dilakukan survey dengan menggunakan metode review 360 melalui website https://jdih.jabarprov.go.id/review.php/. Hasil survey terdapat data mentah sebanyak 18.045. Setelah dilakukan prepocessing dihasilkan 46 dataset dan 11 atribut. Pemodelan cluster menggunakan algoritma K-Means, hasil dari cluster data dievaluasi dengan metode Davies Boulding Index (DBI). Hasil evaluasi menunjukan tingkat kemiripan yang rendah sehingga jarak antar cluster semakin tinggi. Analisis hasil dari penelitian ini terklasifikasi 4 kluster,indikator kepuasan terendah diketahui pada cluster 3 yang terdiri dari 10 daerah. Hasil penelitian ini dapat menjadi bahan masukan bagi Pemerintah Provinsi Jawa Barat untuk menentukan kebijakan.Unduhan
Referensi
JDIH Provinsi Jawa Barat, Keputusan Gubernur Jawa Barat Nomor 180/Kep.267-Hukham/2021 tentang Indikator Penilaian Penghargaan Jaringan Dokumentasi dan Informasi Hukum Daerah Provinsi Jawa Barat. Indonesia, [Online]. Available: http://jdih.jabarprov.go.id/assets/uploads/files/produk/2021kg00320267.pdf, 2021. (peraturan)
Jiawei Han, “Data mining: Concepts and Techniques Second Editionâ€, Elsevier, AID International, Sabre Foundation, 2006. (buku)
H. Juanedi, H. Budianto, I. Maryati, Y. Melani, “Data Transformation Pada Data Miningâ€, 2011. (Prosiding Konferensi Nasional “Inovasi dalam Desain dan Teknologi†(IdeaTech))
A. Yang, W. Zhang, J. Wang, K. Yang, Y. Han, L. Zhang, “Review on the Application of Machine Learning Algorithms in the Sequence Data Mining of DNAâ€, Frontiers in Bioengineering and Biotechnologi, 2020. (jurnal)
G. Biswas; J.B. Weinberg; D.H. Fisher, “ITERATE: a conceptual clustering algorithm for data mining†IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), Volume: 28, Issue: 2, May 1998. (jurnal)A. Bastian., “Penerapan Algoritma K-Means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka)â€, Jurnal Sistem Informasi, 2018.(jurnal)
Raykov, Y. P., Boukouvalas, A., Baig, F., and Little, M. A., “What to do when K-means clustering fails: a simple yet principled alternative algorithmâ€, PloS one, vol. 11, no. 9, 2016. (jurnal)
I. Budiman, T. Prahasto, and Y. Christyono, “Data Clustering Menggunakan Metodologi Crisp-DM Untuk Pengenalan Pola Proporsi Pelaksanaan Tridharmaâ€, presented in 2012 Seminar Nasional Aplikasi Teknologi Informasi (SNATI 2012), Yogyakarta. (seminar)
Sitompul, B.J.D., Sitompul, O.S., Sihombing, P., “Enhancement Clustering Evaluation Result of Davies-Bouldin Index with Determining Initial Centroid of K-Means Algoritmaâ€, The 3rd International Conference on Computing and Applied Informatics 2018, (konferensi).
Nawrin, S., Rahman, M.R. & Akhter, S., “Exploreing K-Means with internal validity indexes for data clustering in traffic management systemâ€, International Journal of Advanced Computer Science and Applications, 2017.(jurnal)
Arora Pr., Deepali Dr., Varshney Sh., “Analysis of K-Means and K-Medoids Algorithm For Big Dataâ€, International Conference on Information Security & Privacy (ICISP 2015). (konferensi)
Thakare, Y.S. & Bagal, S.B., “Performance evaluation of k-means clustering algorithm with various distance metricsâ€, International Journal of Computer Applications, 2015. (jurnal)
Davies, D. L.; Bouldin, D. W. "A Cluster Separation Measure", IEEE Transactions on Pattern Analysis and Machine Intelligence, 1979.(jurnal)
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2022 Jurnal Komputer Terapan
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini:
- Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal.
- Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama.
- Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.
