ALGORITMA SELF ORGANIZING MAPS (SOM) UNTUK PENGELOMPOKAN PENYANDANG KESEJAHTERAAN SOSIAL (PMKS) DI PROVINSI JAWA TENGAH

HAFILUDIEN, AMRUL, B2A218030 (2019) ALGORITMA SELF ORGANIZING MAPS (SOM) UNTUK PENGELOMPOKAN PENYANDANG KESEJAHTERAAN SOSIAL (PMKS) DI PROVINSI JAWA TENGAH. Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Muhammadiyah University, Semarang" not defined].

Preview	Text 05 Abstrak.pdf Download (456kB) | Preview
Preview	Text 12 BAB I.pdf Download (421kB) | Preview
Preview	Text 13 BAB II.pdf Download (556kB) | Preview
	Text 14 BAB III.pdf Restricted to Repository staff only Download (447kB) | Request a copy
	Text 15 BAB IV.pdf Restricted to Repository staff only Download (668kB) | Request a copy
Preview	Text 16 BAB V.pdf Download (397kB) | Preview
Preview	Text 17 DAFTAR PUSTAKA.pdf Download (549kB) | Preview
Preview	Text Jurnal Ilmiah.pdf Download (721kB) | Preview

Abstract

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 indicator 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. Salah satu metode dalam data mining yang dapat digunakan untuk pengelompokan dan pemetaaan adalah olgaritma Self Organizing Maps (SOM). SOM diperkenalkan oleh kohonen pada tahun 1982, SOM digunakan untuk mengimplementasikan data berdimensi tinggi dan memetakan secara teratur kedalam dimensi rendah. Kemampuan dalam visualisasi ini dapat mengatasi masalah dalam metode klaster lain yang sulit jika data berdimensi tinggi. Pada analisa deskriptif kabupaten Purbalingga rata-rata meiliki jumlah yang tinggi pada indikator penyandang masalah kesejahteraan sosial. Hasil pemetaan SOM mendapatkan 2 klaster, klaster 1 terdapat 4 kabupaten/kota dikategorikan sejahtera, klaster 2 terdapat 31 kabupaten/kota dikategorikan cukup sejahtera. Kata Kunci: Klaster, Self Organizing Maps, Dimensi Tinggi, Kesejahteraan

Actions (login required)

View Item