Abstrak : Metode K-Means merupakan salah satu metode Data Mining yang banyak digunakan dalam penelitian pengelompokan. Namun metode K-Means memiliki beberapa kekurangan, salah satunya yaitu dalam penentuan jumlah cluster. Penelitian kali ini akan mengaplikasikan Indeks Davies Bouldin (DBI) sebagai salah satu cara optimasi jumlah cluster untuk mengelompokkan propinsi berdasar potensi desa dengan banyaknya jenis industri yang dimiliki wilayahnya. Data yang digunakan adalah data banyaknya desa atau kelurahan menurut keberadaan dan jenis industri kecil dan mikro (desa). Pengolahan data menggunakan aplikasi RapidMiner. Pengujian dilakukan dengan mencari nilai terkecil dari DBI dimana setelah data di olah diketahui nilai terkecil adalah 0,175 di jumlah cluster 3. Kata kunci : metode K-Means, pengelompokan, Index Davies Bouldin, Abstract: The K-Means method is one of the most widely used data mining methods in clustering research. However, the K-Means method has several shortcomings, one of which is in determining the number of clusters. This research will apply the Davies Bouldin Index (DBI) as a way of optimizing the number of clusters to classify provinces based on village potential and the number of types of industry the region has. The data used is data on the number of villages or sub-districts according to the existence and type of small and micro industries (villages). Data processing uses the Rapid Miner application. Testing is done by finding the smallest value from the DBI where after the data is processed it is known that the smallest value is 0.175 in the number of clusters 3. Keywords: K-Means method, grouping, Davies Bouldin Index
Copyrights © 2021