PENGELOMPOKKAN DAN PEMETAAN KARAKTERISTIK KEMISKINAN DI KABUPATEN MALUKU BARAT DAYA PROVINSI MALUKU DENGAN MENGGUNAKAN SELF-ORGANIZING MAP DAN ANALISIS BIPLOT

Leleury, Zeth Arthur; Tomasouw, Berny Pebo

doi:10.30598/barekengvol13iss2pp093-106ar810

Jurnal SINTA 3

PENGELOMPOKKAN DAN PEMETAAN KARAKTERISTIK KEMISKINAN DI KABUPATEN MALUKU BARAT DAYA PROVINSI MALUKU DENGAN MENGGUNAKAN SELF-ORGANIZING MAP DAN ANALISIS BIPLOT

BAREKENG: Jurnal Ilmu Matematika dan Terapan · Vol. 13 No. 2 (2019) · pp. 093–106

DOI: 10.30598/barekengvol13iss2pp093-106ar810
ISSN: 2615-3017, 1978-7227
Published: 2019-07-10
Publisher: PATTIMURA UNIVERSITY
Language: eng

Abstract

Berdasarkan hasil survei sosial ekonomi nasional (SUSENAS) BPS Provinsi Maluku menunjukkan bahwa kabupaten Maluku Barat Daya (MBD) merupakan kabupaten yang memiliki persentase tingkat kemiskinan tertinggi di provinsi Maluku dengan persentase tingkat kemiskinan 30,18 persen. Penelitian ini bertujuan untuk melakukan pengelompokkan desa/kecamatan di Kabupaten MDB guna melihat karakteristik kemiskinan pada setiap cluster. Selain itu, juga dilakukan pemetaan karakteristik kemiskinan untuk setiap desa/kecamatan di Kabupaten MBD sebagai upaya untuk mengetahui keragaman karakteristik kemiskinan. Metode pengelompokkan yang digunakan adalah algoritma jaringan syaraf tiruan Self Organizing Map (SOM) dan Biplot. Hasil penelitian memperlihatkan bahwa hasil pengelompokkan terbaik adalah dengan metode Biplot karena memiliki rasio yang lebih kecil. Adapun hasil pengelompokkan 17 kecamatan di kabupaten MBD terbagi dalam 4 cluster yakni cluster 1 terdiri kecamatan Pulau-Pulau Terselatan, Letti dan Moa; cluster 2 terdiri dari kecamatan Pulau-Pulau Babar dan Babar Timur; cluster 3 terdiri dari kecamatan Pulau Masela, Mdona Hyera, Kepulauan Romang, Damer, Wetar, dan Wetar Barat; sedangkan cluster 4 terdiri dari kecamatan Wetar Utara, Wetar Timur, Kisar Utara, Lakor, Dawelor Dawera dan Pulau Wetang. Ada 11 faktor yang mempengaruhi sehingga cluster 4 tergolong dalam cluster dengan karakteristik kemiskinan tertinggi. Sedangkan ada 4 faktor yang mempengaruhi sehingga cluster 3 tergolong dalam cluster dengan karakteristik kemiskinan cukup tinggi.

Collaboration network of the authors

24 authors · 64 co-authorship links · 3 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

Universitas Nahdlatul Ulama Surabaya
Institut Teknologi Sepuluh Nopember
Universitas Halu Oleo
Darul Ulum Islamic University
Affiliation unknown

Different organisations
Same organisation
Affiliation unknown
Thicker line = more joint articles · bigger circle = more articles

Show as table

Co-author	Organisation	Joint articles
Teguh Herlambang	Universitas Nahdlatul Ulama Surabaya	6
Andy Suryowinoto	Affiliation unknown	4
Yopi Andry Lesnussa	Affiliation unknown	3
Fajar Annas Susanto	Affiliation unknown	2
Hendro Nurhadi	Institut Teknologi Sepuluh Nopember	2
Dorteus L. Rahakbauw	Affiliation unknown	2
Y. Sambono	Affiliation unknown	2
Elvinus R. Persulessy	Affiliation unknown	1
Glevi E. Mado	Affiliation unknown	1
Moch Zakaria	Affiliation unknown	1
Nurhidayah Nurhidayah	Universitas Halu Oleo	1
Firman Yudianto	Affiliation unknown	1
Dinita Rahmalia	Darul Ulum Islamic University	1
Abdul Muhith	Affiliation unknown	1
Mozart Winston Talakua	Affiliation unknown	1
Venn Yan Ishak Ilwaru	Affiliation unknown	1
Muhammad Sawal Baital	Affiliation unknown	1
Angga Adhitya Widjanarko	Affiliation unknown	1
Yuliyanto Agung Prabowo	Affiliation unknown	1
Sylvert Prian Tahalea	Affiliation unknown	1
Swine Enggelina Larubun	Affiliation unknown	1
Maria Marlein Warong	Affiliation unknown	1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://ojs3.unpatti.ac.id/index.php/barekeng/oai, first harvested 5 Nov 2026, last seen 5 Nov 2026.

Original metadata (oai_dc)

<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">PENGELOMPOKKAN DAN PEMETAAN KARAKTERISTIK KEMISKINAN DI KABUPATEN MALUKU BARAT DAYA PROVINSI MALUKU DENGAN MENGGUNAKAN SELF-ORGANIZING MAP DAN ANALISIS BIPLOT</dc:title>
	<dc:creator>Leleury, Zeth Arthur</dc:creator>
	<dc:creator>Tomasouw, Berny Pebo</dc:creator>
	<dc:description xml:lang="en-US">Berdasarkan hasil survei sosial ekonomi nasional (SUSENAS) BPS Provinsi Maluku menunjukkan bahwa kabupaten Maluku Barat Daya (MBD) merupakan kabupaten yang memiliki persentase tingkat kemiskinan tertinggi di provinsi Maluku dengan persentase tingkat kemiskinan 30,18 persen. Penelitian ini bertujuan untuk melakukan pengelompokkan desa/kecamatan di Kabupaten MDB guna melihat karakteristik kemiskinan pada setiap cluster. Selain itu, juga dilakukan pemetaan karakteristik kemiskinan untuk setiap desa/kecamatan di Kabupaten MBD sebagai upaya untuk mengetahui keragaman karakteristik kemiskinan. Metode pengelompokkan yang digunakan adalah algoritma jaringan syaraf tiruan Self Organizing Map (SOM) dan Biplot.
Hasil penelitian memperlihatkan bahwa hasil pengelompokkan terbaik adalah dengan metode Biplot karena memiliki rasio yang lebih kecil. Adapun hasil pengelompokkan 17 kecamatan di kabupaten MBD terbagi dalam 4 cluster yakni cluster 1 terdiri kecamatan Pulau-Pulau Terselatan, Letti dan Moa; cluster 2 terdiri dari kecamatan Pulau-Pulau Babar dan Babar Timur; cluster 3 terdiri dari kecamatan Pulau Masela, Mdona Hyera, Kepulauan Romang, Damer, Wetar, dan Wetar Barat; sedangkan cluster 4 terdiri dari kecamatan Wetar Utara, Wetar Timur, Kisar Utara, Lakor, Dawelor Dawera dan Pulau Wetang. Ada 11 faktor yang mempengaruhi sehingga cluster 4 tergolong dalam cluster dengan karakteristik kemiskinan tertinggi. Sedangkan ada 4 faktor yang mempengaruhi sehingga cluster 3 tergolong dalam cluster dengan karakteristik kemiskinan cukup tinggi.</dc:description>
	<dc:publisher xml:lang="en-US">PATTIMURA UNIVERSITY</dc:publisher>
	<dc:date>2019-07-10</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/810</dc:identifier>
	<dc:identifier>10.30598/barekengvol13iss2pp093-106ar810</dc:identifier>
	<dc:source xml:lang="en-US">BAREKENG: Jurnal Ilmu Matematika dan Terapan; Vol 13 No 2 (2019): BAREKENG: Jurnal Ilmu Matematika dan Terapan; 093-106</dc:source>
	<dc:source>2615-3017</dc:source>
	<dc:source>1978-7227</dc:source>
	<dc:source>10.30598/barekengvol13iss2year2019</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/810/979</dc:relation>
	<dc:relation>https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/810/993</dc:relation>
</oai_dc:dc>