Prediksi Data Anggaran Pendapatan Belanja Daerah Menggunakan Algoritma K-Means

  • Rahayu Mayang Sari Jurusan Teknik Informatika STMIK Amik Riau
Keywords: Data Mining, Clustering, K-Means, APBD

Abstract

Penelitian ini dilakukan untuk mempelajari dan mengimplementasikan metode algoritma K-Means. Permasalahan yang terjadi pada Dinas Pengelola Keuangan dan Aset (DPKA) yaitu sulitnya pengelompokkan data Anggaran Pendapatan Belanja Daerah (APBD) pertahun, sehingga sulit untuk memprediksi Anggaran Pendapatan Belanja Daerah pada tahun yang akan datang. Oleh karena itu digunakan algoritma K-Means untuk mengelompokkan data-data Anggaran Pendapatan Belanja Daerah (APBD). Algoritma K-Means adalah salah satu algoritma yang paling sederhana untuk menyelesaikan permasalahan clustering dengan baik. Algoritma KMeans sangat populer untuk menemukan cluster dalam dataset dalam perhitungan perulangan. Metode algoritma K-Means dapat menggunakan software Tanagra. Agar hasil yang diharapkan pada sistem ini dapat memberikan prediksi untuk Anggaran Pendapatan Belanja Daerah (APBD) pada tahun mendatang

References

Narendra Sharma, Aman Bajpai, Mr. Ratnesh Litoriya (2012). “Comparison the various clustering algorithms of weka toolsâ€, India.

Hemlata Sahu, Shalini Shrma, Seema Gondhalakar (2012). “A Brief Overview on Data Mining Surveyâ€, India.

Minky Jindal, Nisha Kharb (2013). “K-means Clustering Technique on Search EngineDataset using Data Mining Toolâ€, India.

Athanasia O. P. Dewi, Wiranto H. Utomo, Sri Yulianto J.P (2013). “Identification of Potential Student Academic Ability Using Comparison Algorithm KMeans and Farthest Firstâ€, Indonesia.

Kusrini, Emha Taufiq Luthfi (2009). “Algoritma Data Miningâ€, STMIK AMIKOM Yogyakarta.

Larose, Daniel T (2005). “Discovering Knowledge in Data : An Introduction to Data Miningâ€.

Eko Prasetyo (2014). “Data Mining Mengolah Data Menjadi Informasi menggunakan matlabâ€, Yogyakarta.

Turban, E, dkk (2005), “Decesion Support System and Intelligent Systemsâ€, Yogyakarta.