ANALISIS PERBANDINGAN HASIL PENYELESEIAN METODE FUZZY GUSTAFSON-KESSEL DAN FUZZY POSSIBILISTIC C-MEANS CLUSTERING (Studi Kasus: Desa dan Kelurahan Kabupaten Jember Berdasarkan Indikator Kemiskinan)

Abstract

Kemiskinan adalah situasi yang serba terbatas yang terjadi bukan atas kehendak orang yang bersangkutan. Keadaan suatu masyarakat miskin ditandai dengan rendahnya tingkat pendidikan, rendahnya tingkat kerja, rendahnya tingkat sadar diri kesehatan, rendahnya pendapatan, dan jauhnya dari fasilitas umum pemerintah seperti rumah sakit dan sekolah. Pemerataan pembangunan adalah salah satu cara pemerintah untuk meningkatkan taraf kesejahteraan umum. Namun pada faktanya, pembangunan tidak berpengaruh banyak. Dalam prosesnya, pemerataan pembangunan mengalami kendala dalam pendistribusian kebutuhan pokok dan bantuan untuk masyarakat. Seperti contoh pada pemberian BLT (Bantuan langsung Tunai) yang tidak tepat sasaran, dimana masyarakat miskin cukup banyak yang tidak mendapatkannya. Penyaluran bantuan yang tidak tepat sasaran dianggap menjadi penyebab utama mengapa kemiskinan susah untuk dikurangi. Dengan permasalah tersebut penulis mencoba memberikan solusi untuk pemetaan wilayah Desa dan Kelurahan Kabupaten Jember yang lebih akurat. Pemetaan dilakukan dengan melakukan cluster (pengelompokan). Pengelompokan (clustering) merupakan teknik yang sudah cukup dikenal dan banyak digunakan untuk mengelompokkan data atau objek ke dalam kelompok data berdasarkan kesamaan karakteristik. Metode clustering dapat dibagi menjadi dua yaitu crips clustering dan fuzzy clustering. Pada penelitian ini pengelompokan menggunakan metode fuzzy clustering dimana viii untuk menentukan pengelompokan data ke dalam kelompok (cluster) ditentukan berdasarkan derajat keanggotaan yang bernilai pada rentang 0 sampai dengan 1. Ada banyak metode pengelompokan pada fuzzy clustering, pada penelitian ini metode yang digunakan yaitu Fuzzy Gustafson-Kessel (FGK) dan Fuzzy Possibilistic C-Means (FPCM). Dari kedua metode yang digunakan diharap dapat memberikan hasil clustering yang baik dan mendapatkan metode yang terbaik diantara Fuzzy Gustafson-Kessel (FGK) dan Fuzzy Possibilistic C-Means (FPCM), dengan cara melihat hasil evaluasi hasil pengelompokan dan pertimbangan dari nilai error, fungsi objektif dan iterasi yang diperlukan. Berdasarkan jumlah iterasi program, pengelompokan dengan menggunakan metode FPCM membutuhkan iterasi yang lebih sedikit dari metode FGK. Untuuk evalusi hasil akhir pengelompokan, nilai simpangan baku FPCM adalah 0,3249, sedangkan untuk simpangan baku dari metode FGK sebesar 0,7694.