Perbandingan Pengelompokkan Provinsi di Indonesia Menurut Kualitas Lingkungan Hidup Menggunakan Metode Hierarki dan Partisi

Muhammad Rafi Ikhsanudin, Arie Wahyu Wijayanto

Abstract


Lingkungan hidup merupakan kesatuan ruang antara manusia, hewan, tumbuhan, air, dan komponen lainnya yang berdampak pada kehidupan dan kesejahteraan makhluk hidup. Kementerian Lingkungan Hidup dan Kehutanan mencatat bahwa pada tahun 2020 nilai IKLH Indonesia telah melampaui target RPJMN yang ditetapkan. Akan tetapi, pada tahun tersebut masih terdapat 8 provinsi yang belum memenuhi target yang ditetapkan. Maka dari itu, tujuan dari penelitian ini ialah untuk melakukan pengelompokkan tingkat kualitas lingkungan hidup sebagai dasar pengambilan keputusan sesuai dengan kondisi lingkungan hidup di setiap daerah. Berdasarkan hasil validasi cluster, metode clustering terbaik yang diterapkan ialah metode K-Means dengan dua cluster. Hasil akhir diperoleh bahwa cluster 1 beranggotakan sebanyak 12 provinsi dengan tingkat kualitas lingkungan hidup tinggi dan cluster 2 beranggotakan sebanyak 22 provinsi dengan tingkat kualitas lingkungan hidup rendah. Karakteristik hasil pengelompokkan menunjukkan bahwa indikator lingkungan hidup terkait sampah, air, dan air laut perlu diperhatikan secara lebih intensif oleh pemerintah daerah karena nilai rata-rata yang diperoleh cukup rendah.


Keywords


Fuzzy c-means; klaster hierarki; k-means; k-medoids; lingkungan

Full Text:

PDF

References


E. Khairina, E. P. Purnomo, and A. D. Malawanai, “Sustainable Development Goals: Kebijakan Berwawasan Lingkungan Guna Menjaga Ketahanan Lingkungan Di Kabupaten Bantul Daerah Istimewa Yogyakarta,” J. Ketahanan Nas., vol. 26, no. 2, p. 155, 2020, doi: 10.22146/jkn.52969.

I. Setiawan, “Upaya Mewujudkan Pembangunan Berkelanjutan Melalui Pendidikan Lingkungan,” J. Geogr., vol. 7, no. 1, 2016, doi: 10.17509/gea.v7i1.1715.

A. H. N. Wulansari, H. Tjahjono, and T. B. Sanjoto, “Pengaruh Tingkat Pendidikan Masyarakat Terhadap Perilaku Peduli Lingkungan di Desa Ginting Kecamatan Jambu Kabupaten Semarang,” Edu Geo, vol. 8, no. 2, pp. 145–153, 2020.

M. Anjelita, A. P. Windarto, A. Wanto, and I. Sudahri, “Pengembangan Datamining Klastering Pada Kasus Pencemaran Lingkungan Hidup,” Semin. Nas. Teknol. Komput. Sains, pp. 309–313, 2020.

T. Rizqiyah and I. Rosyida, “Analisis Cluster Tingkat Kualitas Udara Ambien Jalan Raya di Jawa Tengah Tahun 2018,” Prism. Pros. Semin. Nas. Mat., vol. 4, pp. 560–564, 2021, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/.

A. T. Sipayung, Saifullah, and R. Winanjaya, “Penerapan Metode K-Means Dalam Mengelompokkan Banyaknya Desa/Kelurahan Menurut Jenis Pencemaran Lingkungan Hidup Berdasarkan Provinsi,” KESATRIA J. Penerapan Sist. Inf. (Komputer Manajemen), vol. 1, no. 4, pp. 104–111, 2020, doi: 10.30645/brahmana.v2i1.48.

A. Supoyo and P. T. Prasetyaningrum, “Bianglala Informatika Analisis Data Mining Untuk Memprediksi Lama Perawatan Pasien Covid-19 Di DIY,” vol. 10, no. 1, p. 2022, 2022.

I. Budiman, Muliadi, and R. Ramadina, “Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi,” Ijccs, vol. x, No.x, no. 1, pp. 1–5, 2015.

S. Bahri and D. M. Midyanti, “Penerapan Metode K-Medoids Untuk Pengelompokan Mahasiswa Berpotensi Drop Out,” vol. 10, no. 1, pp. 165–172, 2023, doi: 10.25126/jtiik.2023106643.

D. A. I. C. Dewi and D. A. K. Pramita, “Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali,” Matrix J. Manaj. Teknol. dan Inform., vol. 9, no. 3, pp. 102–109, 2019, doi: 10.31940/matrix.v9i3.1662.

R. A. Faujia, E. S. Setianingsih, and H. Pratiwi, “Analisis Klaster K-Means Dan Agglomerative Nesting Pada Indikator Stunting Balita Di Indonesia,” Semin. Nas. Off. Stat., vol. 2022, no. 1, pp. 1249–1258, 2022, doi: 10.34123/semnasoffstat.v2022i1.1511.

M. Anjelita, A. P. Windarto, and D. Hartama, “Pemanfaatan Datamining Pada Pengelompokan Provinsi Terhadap Pencemaran Lingkungan Hidup,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 659–666, 2019, doi: 10.30865/komik.v3i1.1675.

B. Wira, A. E. Budianto, and A. S. Wiguna, “IMPLEMENTASI METODE K-MEDOIDS CLUSTERING UNTUK MENGETAHUI POLA PEMILIHAN PROGRAM STUDI MAHASIWA BARU TAHUN 2018 DI UNIVERSITAS KANJURUHAN MALANG,” J. Terap. Sains Teknol., vol. 1, no. 3, pp. 54–69, 2019.

R. Siringoringo and Jamaludin, “Peningkatan Performa Cluster Fuzzy C-Means Pada Pengklasteran Sentimen Menggunakan Particle Swarm Optimization,” JTIIK -Jurnal Teknlogi Inf. dan Ilmu Komput., vol. 6, no. 4, pp. 349–354, 2019, doi: 10.25126/jtiik.2018561090.

F. Agustini, “Implementasi Algoritma Fuzzy C-Means Studi Kasus Penjualan Di Sushigroove Restaurant,” J. Ilmu Pengetah. Dan Teknol. Komput., vol. 3, no. 1, pp. 127–132, 2017.

Iis, I. Yahya, G. N. A. Wibawa, Baharuddin, Ruslan, and L. Laome, “Penggunaan Korelasi Cophenetic untuk Pemilihan Metode Cluster Berhierarki pada Mengelompokkan Kabupaten/Kota Berdasarkan Jenis Penyakit di Provinsi Sulawesi Tenggara Tahun 2020,” Pros. Semin. Nas. Sains dan Terap. VI 2022, no. April, pp. 1–16, 2022.

N. Afira and A. W. Wijayanto, “Analisis Cluster Kemiskinan Provinsi di Indonesia Tahun 2019 dengan Metode Partitioning dan Hierarki,” Komputika J. Sist. Komput., vol. 10, no. 2, pp. 101–109, 2021, doi: 10.34010/komputika.v10i2.4317.

E. Supriyadi, S. Mariani, and Sugiman, “PERBANDINGAN METODE PARTIAL LEAST SQUARE (PLS) DAN PRINCIPAL COMPONENT REGRESSION (PCR) UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA,” Unnes J. Math., vol. 6, no. 2, pp. 117–128, 2017.




DOI: http://dx.doi.org/10.26418/justin.v12i1.71495

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 JUSTIN (Jurnal Sistem dan Teknologi Informasi)

ara komputer
View My Stats

Creative Commons License
All article in Justin is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License