Show simple item record

dc.contributor.authorSetiani, Dessy
dc.contributor.authorHakim, RB.Fajriya
dc.date.accessioned2015-04-23T03:12:03Z
dc.date.available2015-04-23T03:12:03Z
dc.date.issued2015-03-07
dc.identifier.citation[1] Ambarwati. 2014. Pengelompokkan Berita Indonesia Berdasarkan Histogram Kata Menggunakan Self-Organizing Map. Jurusan Teknik Komputer, Intituto Profissional de Canossa, Dili. Vol.8,No.1. [2] Badan Pusat Statistik Indonesia. Indikator Pembangunan Berkelanjutan (Indicators of sustainable Development) 2014. http://www.bps.go.id. Diakses tanggal 10 Januari 2015 pukul 08.00. [3] Brockett, Patrick L. et al .1998. Using Kohonen’s Self Organizing Feature Map to Uncover Automobily Bodily Injury Claim Fraud. The Journal of Risk and Insurance, 1998, Vol. 65, No. 2. [4] Budi, G.S. dkk .2008. Cluster Analisis untuk Memprediksi Talenta Pemain Basket Menggunakan Jaringan Syaraf Tiruan Self organizing Maps (SOM). Jurnal Informatika Vol. 9, No.1. [5] Ettaouil,Mohamed, dkk.2012.Learning algorithm of Kohonen Network With Selection Phase.UFR: Scientific Computing and Computer sciences, engineering sciences Modelling and Scientific Computing Laboratory. University Sidi Mohamed Ben Abdelah. Vol.11. [6] Guthikonda, Shyam M.2005. Kohonen Self-Organizing Maps. Wittenberg University. [7] http://www.bandungmagazine.com/analysis/pembangunan-berkelanjutan-gagasanimplementasi-dan-kecenderungan-realitas-di-indonesia. Diakses tanggal 9 Januari 2015 pukul 10.00. [8] http://penataanruang.pu.go.id/bulletin/index.asp?mod=_fullart&idart=123. Diakses tanggal 9 Januari 2015 pukul 10.00. [9] https://anshor83.wordpress.com/2012/02/02/pembangunan-berkelanjutan-kebijakanimplementasi-dan-tantangannya-di-indonesia/. Diakses tanggal 9 Januari 2015 pukul 11.00. [10] Kiang, M. Y., Hu, M. Y., and Fisher, D.M.2006.An Extended Self-Organizing Map Network for Market Segmentation-A Telecommunication Example, Decision Support Systems 42, pp. 36-47. [11] Lestari, Wiji. Sistem Clustering Kecerdasan Majemuk Mahasiswa Menggunakan Algoritma Self Organizing Maps (SOM). Surakarta : STMIK Duta Bangsa. [12] Lynn, S. 2014.Self-Organising Maps for Customer Segmentation, Deloitte Analytics. [13] Mahonen, P.H dan P.J Hakala.1995. Automated Source Classification Using Kohonen Network. The Astrophysical Journal Letters Vol.452, No. 1. [14] Mishra, Madhusmita dan H.S Behera.2012.Kohonen Self Organizing Map with Modified Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS 2015 628 K-means clustering For High Dimensional Data Set. International Journal of Applied Information System(UAIS)-ISSN :2249-0808. Foundation of Computer Science FCS, New York, USA. Vol.2, No.3. [15] Snyder, Wesley, dkk. Kohonen Networks and Clustering : Comparative Performance in Color Clustering. [16] Umami, Dewi Rosiyana.2010. Analisis Indikator Pembangunan Berkelanjutan Di Jawa Timur Menggunakan Metode Struktural Equation Modelling – Partial Least Square(Skripsi). Surabaya : Institut Teknologi Sepuluh Nopember. [17] Warsito, Budi, dkk.2008. Clustering Data Pencemaran Udara Sektor Industri Di Jawa Tengah Dengan Kohonen Neural Network. Semarang :Program Studi Statistika FMIPA UNDIP. [18] Wasista, Sigit,dkk. 2003. Metode Komponen Utama dan Kohonen SOM Sebagai Pengenalan Pola Geometri Tangan. Surabaya : Institut Teknologi Sepuluh Nopember. [19] Wehrens,Ron dan Lutgarde M.C.Buydens. 2007.Self- and Super-organizing Maps in R : The kohonen Package.Journal of Statistical Software. Redboud University Nijmegen. Vol.21. [20] Zhao, Yanchang.2014. R and Data Mining : Examples and Case Studiesin_ID
dc.identifier.isbn978.602.361.002.0
dc.identifier.urihttp://hdl.handle.net/11617/5806
dc.description.abstractIndonesia menghendaki persoalan pembangunan yang tidak hanya ideal untuk masa sekarang,namun juga berdaya guna bagi generasi yang akan akan datang. Persoalan pembangunan tersebut dapat didekati dengan konsep pembangunan berkelanjutan. Konsep tersebut dapat dilakukan dengan melihat pengelompokkan indikator pembangunan pada tiap-tiap provinsi untuk mendeskripsikan sifat-sifat atau karakteristik dari masing–masing kelompok provinsi. Rencana strategi yang tepat sasaran terhadap permasalahan yang dialami pada masing-masing kelompok wilayah diperlukan agar mencapai target pembangunan berkelanjutan tersebut. Dalam makalah ini analisis deskriptif digunakan untuk menggambarkan indikator pembangunan berkelanjutan serta algoritma Kohonen untuk proses pengelompokan atau segmentasi guna mendapatkan hasil visualisasi dan cluster kondisi indikator pembangunan berkelanjutan di Indonesia. Dari hasil analisis terbentuk 5 cluster dengan karakteristik yang berbeda-beda dan dapat digunakan sebagai acuan pembangunan berkelanjutan.in_ID
dc.language.isoidin_ID
dc.publisherUniversitas Muhammadiyah Surakartain_ID
dc.subjectKarakteristikin_ID
dc.subjectSegmentasiin_ID
dc.subjectVisualisasiin_ID
dc.subjectClusterin_ID
dc.subjectPembangunan Berkelanjutanin_ID
dc.subjectSOMs/Kohonenin_ID
dc.titleClustering Indikator Pembangunan Berkelanjutan di Indonesia Menggunakan Algoritma Self-Organizing Maps (SOMS) Kohonenin_ID
dc.typeArticlein_ID


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record