//
CLUSTERING TIME SERIES ANALYSIS UNTUK MENGELOMPOKKAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN NILAI INFLASI |
|
BACA FULL TEXT ABSTRAK Permintaan Versi cetak |
|
Pengarang | AULIA SAHPUTRA - Personal Name |
---|---|
Abstrak/Catatan Inflasi merupakan salah satu faktor yang sangat berpengaruh terhadap stabilitas perekonomian di hampir seluruh wilayah Indonesia. Bank Indonesia menetapkan 82 kota dari 514 kabupaten/kota di Indonesia sebagai basis kota yang dipantau nilai inflasinya. Karakteristik wilayah yang berbeda-beda sangat mempengaruhi nilai inflasi yang dihasilkan di setiap kabupaten/kota. Identifikasi karakteristik setiap wilayah menggunakan metode pengelompokan berhirarki yaitu clustering time series analysis dapat dilakukan untuk mengetahui hal tersebut. Pengelompokan kabupaten/kota dilakukan berdasarkan pola time series dan ukuran kesamaan dengan menggunakan 5 jarak dan 7 algoritma metode hirarki. Kelima jarak tersebut adalah Correlation-based distance, Dynamic Time Warping (DTW), Euclidean distance, Autocorrelation-based distance, dan Frechet Distance. Tujuh algoritma metode hirarki itu adalah Single Linkage, Complete Linkage, Average Linkage, Ward Method, WPGMA Method, Median Method, dan Centroid Method. Perbandingan dan evaluasi dilakukan dengan menggunakan validitas jarak dan menentukan jumlah cluster optimal. Hasil penelitian menunjukkan bahwa metode euclidean distance dan algoritma ward method lebih baik jika dibandingkan dengan metode-metode lain. Metode ini mengklasifikasikan 28 kabupaten/kota ke dalam cluster pertama, 11 kabupaten/kota ke dalam cluster kedua, 29 kabupaten/kota ke dalam cluster ketiga, 13 kabupaten/kota ke dalam cluster keempat dan 1 kabupaten/kota ke dalam cluster kelima. | |
Tempat Terbit | |
Literature Searching Service | Hard copy atau foto copy dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan isi formulir online (Chat Service LSS) |
Share Social Media | |
Tulisan yang Relevan PENGELOMPOKAN KAB/KOTA DI INDONESIA BERDASARKAN NILAI MATA PELAJARAN UN IPA MENGGUNAKAN METODE K-MEANS CLUSTERING (AINUN MARDHIAH, 2018) |
|
Kembali ke sebelumnya |