HYBRID MODEL FUZZY C-MEANS FCM DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE MARS PADA KASUS RUMAH TANGGA MISKIN KABUPATEN JOMBANG

Kemiskinan merupakan salah satu permasalahan utama yang menjadi pusat perhatian pemerintah dalam proses pembangunan nasional. Namun kriteria kemiskinan dan cara pandang yang berbeda-beda akan menimbulkan penafsiran yang berbeda-beda pula mengenai jumlah penduduk miskin kriteria penduduk miskin dan tingkat penanganan terhadap masalah kemiskinan sehingga diperlukan suatu proses penggalian informasi tersembunyi dalam data tersebut yang dikenal dengan data mining. Metode yang dikenal dalam data mining diantaranya adalah metode pengelompokkan dengan pendekatan clustering dan klasifikasi. Namun saat kondisi keanggotaan suatu data untuk dikelompokkan tidak jelas batasannya himpunan fuzzy digunakan untuk mengantisipasi hal tersebut. Konsep himpunan fuzzy ini kemudian yang mendasari berkembangnya metode fuzzy clustering dimana salah satu pendekatan metode ini adalah Fuzzy CMeans FCM. Adapun untuk kasus rumah tangga miskin Kabupaten Jombang yang terdiri dari banyak variabel prediktor pendekatan regresi nonparametrik dapat digunakan Multivariate Adaptive Regression Splines MARS untuk memperoleh model hubungan variabel prediktor terhadap respon dan besarnya ketepatan klasifikasi yang dihasilkan dari pemodelan rumah tangga miskinnya. Penggabungan metode FCM dan MARS ini menghasilkan cluster terbaik sebanyak 3 cluster yang kemudian dimodelkan dengan MARS. Kemudian hasil ketepatan klasifikasinya dibandingkan dengan model MARS dengan respon berupa status rumah tangga miskin ketetapan Badan Pusat Statistik BPS dan diperoleh bahwa nilai sensitivity specificity dan accuracy untuk ketepatan klasifikasi MARS respon hasil pembentukan cluster dengan FCM lebih baik dibandingkan hasil klasifikasi model MARS dengan respon status rumah tangga miskin ketetapan BPS.


ABSTRACT

Poverty is one of the main problems that becomes the focus in the process of national development. However criteria poverty and different view will cause different interpretation about poor population poverty criteria and handling of poverty problem that needed poverty data analyzed well so we need a process of extracting information hidden in the data known as data mining. Method in data mining is a method of grouping them with clustering and classification approaches. However as a condition of membership of the data to be grouped is not clearly defined fuzzy set is used to anticipate it. The concept of fuzzy set is then that underlie the development of fuzzy clustering method where one approach is the method of Fuzzy C-Means FCM. As for the case of poor households Jombang consisting of many predictor variables nonparametric regression approach can be used Multivariate Adaptive Regression Splines MARS to obtain a model of the relationship of the predictor variables and the response magnitude of the resulting classification accuracy of the modeling of poor households. A hybrid Method of MARS and FCM can be produce better clusters as much as 3 clusters than modeled with MARS only. Then the results of the classification accuracy compared with MARS models with a response status of poor households Badan Pusat Statistik BPS statutes and found that the value of sensitivity specificity and accuracy of classification MARS response to the formation of clusters with FCM results better than classification results compared with the MARS models response status of poor households BPS statutes.

1.  ITS-Master-40416-1312201014-abstract_id.pdf - 396 KB
2.  ITS-Master-40416-1312201014-abstract_en.pdf - 394 KB
3.  ITS-Master-40416-1312201014-conclusion.pdf - 378 KB

• A HYBRID MODEL FUZZY C-MEANS (FCM) AND MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) ON THE CASE OF POOR HOUSEHOLDS IN JOMBANG DISTRICT