ANALISIS PENCATATAN AKTA KELAHIRAN MENGGUNAKAN METODE CLUSTERING
Abstract
Abstract: This study explores the application of the K-Means Clustering algorithm in grouping birth certificate data in Labuhanbatu Utara Regency. The aim of this research is to identify patterns in birth certificate ownership across various regions and to facilitate data clustering to support government planning related to birth certificate ownership. The analysis reveals that the K-Means Clustering method is effective in categorizing data according to the level of birth certificate ownership. Regions such as Kualuh Hulu, NA IX-X, and Kualuh Selatan have high levels of birth certificate ownership, while Kualuh Hilir, Aek Kuo, and Marbau fall into the medium category. Meanwhile, Kualuh Leidong and Aek Natas show low levels of birth certificate ownership. This information is crucial for designing targeted outreach programs to raise public awareness of the importance of having a birth certificate. The consistency of clustering results between the first and second iterations demonstrates the stability and efficiency of the K-Means method, achieving accurate outcomes without the need for multiple iterations. Therefore, the K-Means algorithm proves to be a reliable data analysis tool for decision-making in government programs.
Keywords: K-Means Clustering, Birth Certificate, Data Clustering.
Abstrak: Penelitian ini membahas penerapan algoritma K-Means Clustering dalam pengelompokan data akta kelahiran di Kabupaten Labuhanbatu Utara. Tujuan dari penelitian ini adalah untuk mengidentifikasi pola kepemilikan akta kelahiran di berbagai wilayah serta mempermudah proses pengelompokan data guna mendukung perencanaan program pemerintah terkait kepemilikan akta kelahiran. Penelitian ini menggunakan data kuantitatif dari Disdukcapil Kabupaten Labuhanbatu Utara. Berdasarkan analisis yang dilakukan, hasil menunjukkan bahwa metode K-Means Clustering efektif dalam mengelompokkan data sesuai dengan tingkat kepemilikan akta kelahiran. Wilayah Kualuh Hulu, NA IX -X, dan Kualuh Selatan memiliki tingkat kepemilikan yang tinggi, sementara Kualuh Hilir, Aek Kuo, dan Marbau berada pada kategori sedang. Sedangkan wilayah Kualuh Leidong dan Aek Natas menunjukkan tingkat kepemilikan akta kelahiran yang rendah. Informasi ini penting untuk merancang program penyuluhan yang lebih tepat sasaran guna meningkatkan kesadaran masyarakat akan pentingnya memiliki akta kelahiran. Konsistensi hasil clustering antara iterasi pertama dan kedua menunjukkan stabilitas dan efisiensi metode K-Means, dengan hasil yang akurat dapat dicapai tanpa memerlukan banyak iterasi. Dengan demikian, algoritma K-Means dapat diandalkan sebagai alat analisis data dalam pengambilan keputusan untuk program pemerintah.
Kata kunci: K-Means Clustering, Akta Kelahiran, Pengelompokan Data.
Full Text:
PDFReferences
Achray, Aditya Agusti. 2020. Implementasi Algoritma K-Means Untuk Mengelompokkan Data Penjualan Mobil Di Pt . Honda Arista Mangga Dua Implementasi Algoritma K-Means Untuk Mengelompokkan Data Penjualan Mobil Di Pt .
Ananda, Dhea, Siti Rohimah, Bagas Susilo, Damar Wulan, And Asdar Mustofa. 2022. “Implementasi K-Means Dalam Pengelompokkan Data Akta Kelahiran Di Indonesia: Implementation Of K-Means In Grouping Birth Certificate Data In Indonesia.” Sentimas: Seminar Nasional Penelitian Dan Pengabdian Masyarakat 66–71.
Achray, Aditya Agusti. 2020. Implementasi Algoritma K-Means Untuk Mengelompokkan Data Penjualan Mobil Di Pt . Honda Arista Mangga Dua Implementasi Algoritma K-Means Untuk Mengelompokkan Data Penjualan Mobil Di Pt .
Ananda, Dhea, Siti Rohimah, Bagas Susilo, Damar Wulan, And Asdar Mustofa. 2022. “Implementasi K-Means Dalam Pengelompokkan Data Akta Kelahiran Di Indonesia: Implementation Of K-Means In Grouping Birth Certificate Data In Indonesia.” Sentimas: Seminar Nasional Penelitian Dan Pengabdian Masyarakat 66–71.
Event, And Intan Utnasari. 2021. “Analisis Clustering Dengan K-Means Untuk Pengelompokkan Penjualan Produk Pada Hotel Newton.” Computer And Science Industrial Engineering 04(Vol 4 No 4 (2021): Comasie):1–8. [4] A. F. Baba D. Kuşçu, and K. Han, “Developing a Software for Fuzzy Group Decision Support System: a Case Study.,” Turkish Online J. Educ. Technol., vol. 8, no. 3, pp. 22–29, 2009.
Hilmi, Rafiqi Zul, Ratih Hurriyati, And Lisnawati. 2018. “Penerapan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Universitas Islam Negeri Sunan Kalijaga Yogyakarta Skripsi.” 3(2):91–102.
Khaira, Ulfa, S. Komp, And M. Kom. 2023. Penambangan Data Dan Intelegensi Bisnis. Vol. 1.
Napitupulu, Flora Sabarina, Irfan Sudahri Damanik, Ilham Syahputra Saragih, And Anjar Wanto. 2020. “Algoritma K-Means Untuk Pengelompokkan Dokumen Akta Kelahiran Pada Tiap Kecamatan Di Kabupaten Simalungun.” Building Of Informatics, Technology And Science (Bits) 2(1):55–63.
Rahmayanti, Diah Ayu. 2022. “Penerapan Metode K-Means Untuk Clustering Data Anak Berdasarkan Kepemilikan Akta Kelahiran Dan Kia.” Informal: Informatics Journal 7(3):210.
Saputra, William, Sundari Retno Andani, Indra Gunawan, Zulaini Masruro Nasution, Teknik Informatika, Stikom Tunas Bangsa Pematangsiantar, And Jl A. Jend Sudirman Blok No. 2022. “Penerapan Data Mining Dalam Menentukan Standard Kelayakan Penerima Insentif Pegawai Pt. Sinarmas Multifinance Menggunakan Algoritma K-Means.” Maret 7:10–17.
Wahyuningsih, Listiyani, And Ahmad Rifai. 2023. “Implementasi Algoritma K-Means Terhadap Pengelompokan Kepemilikan Akta Kelahiran Di Jawa Barat.” E-Link: Jurnal Teknik Elektro Dan Informatika 18(1):1.
DOI: https://doi.org/10.54314/jssr.v8i1.2711
Article Metrics
Abstract view : 7 timesPDF - 1 times