Penerapan Algoritma Self Organizing Maps Untuk Pemetaan Penyandang Kesejahteraan Sosial (PMKS) di Provinsi Jawa Tengah Tahun 2016
Keywords:
Kesejahteraan, klaster, Self Organizing MapsAbstract
Masalah Kesejahteraan Sosial atau Penyandang Masalah
Kesejahteraan Sosial (PMKS) adalah seseorang atau keluarga karena
adanya suatu hambatan, kesulitan atau gangguan tidak bisa
melaksanakan fungsi sosialnya dan karenanya tidak dapat menjalin
hubungan yang serasi serta kreatif dengan lingkungannya sehingga
tidak dapat memenuhi kebutuhan hidupnya baik jasmani, rohani,
sosial secara memadai dan wajar. Pengelompokan daerah
berdasarkan indikator Penyandang Masalah Kesejahteraan Sosial
(PMKS) sangat penting dilakukan untuk memperoleh gambaran
masalah PMKS sehingga dapat mengambil kebijakan dalam hal
menentukan sasaran dan memberikan rekomendasi untuk intervensi
penyandang kesejahteraan sosial di tingkat provinsi Jawa Tengah.
Banyak penelitian yang telah dilakukan untuk menganalisis data
secara efektif dan efisien, salah satunya dengan data mining. Dalam
data mining salah satu metode yang dapat digunakan untuk
pengelompokan adalah olgaritma Self Organizing Maps. Self
Organizing Maps(SOM) diperkenalkan oleh kohonen pada tahun 1982,
SOM digunakan untuk mengimplementasikan data berdimensi tinggi
dan memvisualisasikanya secara teratur kedalam dimensi rendah..
Kemampuan dalam visualisasi ini dapat mengatasi masalah dalam
metode cluster lain yang sulit jika data berdimensi tinggi.
References
Bappeda.
BPS. (2015). No Title.
Dinsos. (2014). dinsos.
Dong, G., & Bailey, J. (2012). Contrast Data Mining: Concepts, Algorithms, and Applications.
Retrieved from http://books.google.com/books?hl=en&lr=&id=_uxNRbzNdfAC&oi=
fnd&pg=PP1&dq=CONTRAST+DATA+MINING+Concepts,+Algorithms,+and+Appli
cations&ots=Pf2tT3qhP4&sig=ndIXy8CxwTBPMPbu1Wmt1sg2ztk
Fadilah, U. (2011). Ubai Fadilah.
Fahad, A., Alshatri, N., Tari, Z., Alamri, A., Khalil, I., Zomaya, A., … Bouras, A. (2014). A
Survey of Clustering Algorithms for Big Data : Taxonomy & Empirical Analysis, 2(3).
https://doi.org/10.1109/TETC.2014.2330519
Han, Kamber, P. (2012). Data Mining: Concepts and Techniques. San Francisco, CA, itd:
Morgan Kaufmann. https://doi.org/10.1016/B978-0-12-381479-1.00001-0
Harrington, P. (2012). Machine Learning in Action. Machine Learning (Vol. 37).
https://doi.org/10.1007/s10994-011-5249-4
Kemensos. (2012). Rekapitulasi Data Penyandang Masalah Kesejahteraan Sosial ( Pmks ) Per
Provinsi Tahun 2012.
Kohonen, T. (1989). The self-organizing map. Neurocomputing, 21(1–3), 1–6.
https://doi.org/10.1016/S0925-2312(98)00030-7
Kuo, R. J., Lin, S. Y., & Shih, C. W. (2007). Mining association rules through integration of
clustering analysis and ant colony system for health insurance database in Taiwan.
Expert Systems with Applications, 33(3), 794–808. https://doi.org/10.1016/j.eswa.
2006.08.035
Larose. (2004). Self Org.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2018 Amrul Hafiludien, Deden Istiawan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
