Skripsi/Tugas Akhir
Clustering Data Demografi Penduduk Daerah Pesisir Sulawesi Selatan Menggunakan Metode K-Means
ABSTRAK
Wilayah pesisir Sulawesi Selatan memiliki banyak potensi ekonomi biru, terutama dalam bidang perikanan dan pariwisata. Namun, kurangnya pemahaman tentang karakteristik demografi dan potensi masing-masing wilayah menyebabkan pemanfaatan potensi ini tidak optimal. Penelitian ini menggunakan metode KMeans untuk membuat strategi pengembangan ekonomi biru yang tepat sasaran dengan mengelompokkan wilayah pesisir di Sulawesi Selatan berdasarkan karakteristik demografi. Dengan menggunakan metode elbow, ditemukan klaster terbaik dengan hasil 2 (dua) klaster berdasarkan jumlah penduduk, tingkat pendidikan, usia produktif, dan sektor pekerjaan (perdagangan, nelayan, dan wiraswasta). Dengan nilai silhouette score 0,33 yang menunjukkan tingkat separasi antar klaster yang relatif rendah.
Kata unci: Ekonomi Biru, Algoritma K-Means, Silhouette Score, Demografi, Sulawesi Selatan
ABSTRACT
The coastal areas of South Sulawesi have a lot of blue economic potential, especially in fisheries and tourism. However, a lack of understanding of the demographic characteristics and potential of each region leads to suboptimal utilization of this potential. This study uses the K-Means method to create a targeted blue economy development strategy by clustering coastal areas in South Sulawesi based on demographic characteristics. By using the elbow method, the best cluster was found with the results of 2 (two) clusters based on population, education level, productive age, and employment sector (trade, fishing, and self-employed). With a silhouette score of 0.33, which indicates a relatively low level of separation between clusters.
Keywords: Blue Economy, K-Means Algorithm, Silhouette Score, Demographics, South Sulawesi
Tidak ada salinan data
Universitas DIPA Makassar
NPP 7371142D1000002
Jln. Perintis Kemerdekaan KM.9
Telp. (0411)587194
Hotline: +6281228221994
WhatsApp Admin: +6281342092072
e-Mail: perpustakaan@undipa.ac.id
© 2025 — Perpustakaan UNDIPA Makassar - SLiMS