STUDI KASUS: PENGELOMPOKAN KABUPATEN/KOTA DI WILAYAH JAWA-BALI YAN YAN GUSTIANA Primary Author mixed material bibliography Bandung Magister Statistika Terapan 2015 id Indonesia

xiii,; 95 hlm,;29,5 cm Metode pengelompokan yang saat ini berkembang memiliki cm ~keanggotaan cluster yang bersifat ketidakpastian atau probabilistik. Fuzzy C-Means Clustering (FCM) adalah contoh populer dari ketidakpastian sedangkan Latent Class Clustering Analysis (LCCA) merupakan model dengan probabilistik. Dengan bantuan program R diperoleh, perbandingan akurasi hasil pengelompokan pada tabel kontingensi antara metode FCM dan LCCA terhadap data simulasi bangkitan bivariat yang berasal dari dua populasi dengan ukuran cluster berbeda (rasio 2: 1) maupun rasio sama (1: 1) menunjukkan kecenderungan ketepatan FCM pada kisaran 50% dari ukuran data. Sedangkan LCCA mampu mencapai angka 89% - 99% dari ukuran data. Adanya variasi korelasi antar variabel tidak berpengaruh pada kinerja FCM, sedangkan metode LCCA menunjukkan hubungan positif antara besarnya korelasi dengan peningkatan akurasi pengelompokan. Sehingga kinerja akurasi pengelompokan metode LCCA terbukti lebih baik dibanding metode FCM dan lebih cocok digunakan pada penelitian fenomena sosial ekonomi yang merniliki indikator saling berkaitan. Cluster optimal pengelompokan Kabupaten/Kota berdasarkan indeks validitas cluster (Connectivity, dan Silhouette) berada pada cluster sebanyak 3. Sehingga model terbaik untuk pengelompokan capaian pembangunan dari 121 Kabupaten/Kota dengan 13 variabel indikator yang meliputi (pro growth, pro job, pro poor dan IPM) adalah LCCA 3-cluster dengan direct effect. Mayoritas Kabupaten/Kota (ada 88) capaian pembangunannya "Kurang Baik", 33 yang berkategori "Baik", dan 2 termasuk "Cukup Baik". YAN YAN GUSTIANA FCM 2. LCCA 3. Tabel Kontingensi 4. Validita 519.5 Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi 519.5 Gus p/R.14.28 01001150700128 Perpustakaan Pusat (REF.14.28) 519.5 Gus p 20%252Fscan0001.jpg.jpg 10077 2017-04-01 15:42:28 2018-05-22 09:28:00 machine generated