BAB I
PENDAHULUAN
1.1. Latar Belakang Masalah
Indeks Pembangunan Manusia IPM Human Development Index HDI adalah pengukuran perbandingan dari harapan hidup, melek huruf, pendidikan dan
standar hidup untuk semua negara seluruh dunia. IPM digunakan untuk mengklasifikasikan apakah sebuah negara adalah negara maju, negara
berkembang atau negara terbelakang dan juga untuk mengukur pengaruh dari kebijaksanaan ekonomi terhadap kualitas hidup.
Sejak tahun 1969 Indonesia menerapkan planned economy dengan pola growth first then distribution of wealth. Planned economy ini menunjukkan
keberhasilan terutama dilihat dari indikator makro ekonomi yaitu tingkat pertumbuhan ekonomi yang tinggi, pertumbuhan pendapatan yang tinggi, tingkat
inflasi yang rendah, kestabilan nilai tukar rupiah, rendahnya tingkat pengangguran dan perbaikan sarana perekonomian. Data ekonomi periode 1970-1980 mengenai
ekonomi dan distribusi pendapatan terutama di LDC Less Developing Country, khususnya dinegara-negara yang mempunyai tingkat pertumbuhan ekonomi yang
cukup pesat antara pertumbuhan ekonomi dan tingkat kesenjangan ekonomi. Semakin tinggi pendapatan per kapita maka semakin besar perbedaan si miskin
dan si kaya. Berdasarkan fakta tersebut muncul pertanyaan mengapa terjadi trade off
antara pertumbuhan dan kesenjangan ekonomi dan berapa lama akan terjadi?. Kerangka pemikiran tersebut melandasi Hipotesis Kuznetz, yaitu dalam jangka
pendek ada korelasi yang positif antara pertumbuhan pendapatan per kapita dan kesenjangan pendapatan. Namun dalam jangka panjang hubungan keduanya
menjadi korelasi negatif. Sebagai indicator pembangunan manusia, UNDPUnited Nations Development Programme mengembangkan Human Development Index
HDI yang mencakup 3 komponen dasar yang secara operasional dapat
Universitas Sumatera Utara
menghasilkan suatu ukuran untuk merefleksikan upaya pembangunan manusia wilayah, yaitu:
1.
hidup yang sehat dan panjang umur yang diukur dengan harapan hidup saat kelahiran
2.
Pengetahuan yang diukur dengan angka tingkat baca tulis pada orang dewasa bobotnya dua per tiga dan kombinasi pendidikan dasar,
menengah, atas gross enrollment ratio bobot satu per tiga.
3.
standard kehidupan yang layak diukur dengan logaritma natural dari produk domestik bruto per kapita dalam paritasi daya beli.
Pengenalan pola serta ajar mesin mesin learning dewasa ini telah membentuk suatu bidang yang sangat luas dari kegiatan riset serta pengembangan
yang meliputi pemrosesan gambar, serta informasi bukan-numerik lainnya yang diperoleh dari interaksi antara ilmu pengetahuan, teknik, dan masyarakat.
Motivasi kedua yang mendorong kegiatan dalam bidang ini adalah kebutuhan manusia untuk berkomunikasi dengan mesin komputer dalam modus-modus
komunikasi alami. Perhatian yang muncul telah menciptakan suatu kebutuhan yang meningkat akan metode serta teknik yang lebih baru untuk mendesain teknik
yang lebih baru untuk desain pengenalan pola dan system ajar learning system. Dari beberapa pendekatan yang telah diusulkan serta diteliti, dua teknik yang
dibahas untuk pemecahan masalah dalam pengenalan pola serta ajar mesin adalah teori keputusan dan estimasi statistic, serta pendekatan sintatik linguistic sebagai
bentuk asli dari teori linguistic matematik Pal dan Majumder 1989. Algoritma genetika AG adalah algoritma pencarian heuristik yang
didasarkan atas mekanisme evolusi biologis. Keberagaman pada evolusi biologis adalah variasi dari kromosom antar individu organisme. Variasi kromosom ini
akan mempengaruhi laju reproduksi dan tingkat kemampuan organisme untuk tetap bertahan hidup Kusumadewi 2005.
Hamzah 2001, menjelaskan bahwa proses kluster secara fuzzy fuzzy clustering memberikan hasil yang lebih baik dan lebih alami dibandingkan
dengan proses kluster dengan pendekatan tegas. Sejak dikembangkan pertama kali
Universitas Sumatera Utara
oleh Holland tahun 1975, algoritma genetika Genetic Algoritms=GA terus mengalami perkembangan dalam banyak aplikasi Gen dan Cheng 2000.
Pesatnya perkembangan aplikasi GA pada berbagai problem optimasi dipacu oleh perkembangan teknologi komputer dan mikro prosessor. Salah satu
minat dalam aplikasi genetic-fuzzy system adalah genetic-fuzzy clustering. Pada fuzzy clustering berbasis fungsi tujuan persoalan mencari kluster terbaik akan
identik dengan persoalan optimasi fungsi tujuan algoritma genetika untuk fuzzy clustering dimungkinkan dapat meningkatkan unjuk kerja fuzzy clustering. John
Holland menyatakan bahwa setiap masalah yang berbentuk adaptasi alami maupun buatan dapat diformulasikan ke dalam terminologi genetika. Sifat
algoritma genetika adalah mencari kemungkinan-kemungkinan dari calon solusi untuk mendapatkan yang optimal bagi penyelesaian masalah.
Fuzzy clustering adalah salah satu teknik untuk menentukan kluster optimal dalam suatu ruang vektor yang didasarkan pada bentuk normal Euclidian
untuk jarak antar vektor. Fuzzy clustering sangat berguna bagi pemodelan fuzzy terutama dalam mengidentifikasi atura-aturan fuzzy Kusumadewi 2004..
Ada beberapa algoritma clustering data, salah satu diantaranya adalah Fuzzy C-Means FCM. Fuzzy C-Means adalah suatu teknik pengklusteran data
yang mana keberadaan tiap-tiap titik data dalam suatu kluster ditentukan oleh derajat keanggotaan. Teknik ini pertama kali diperkenalkan oleh Jim Bezdek pada
tahun 1981. Konsep dasar FCM adalah menentukan pusat kluster yang akan menandai lokasi rata-rata untuk tiap-tiap kluster. Pada kondisi awal, pusat cluser
masih belum akurat. Dengan cara memperbaiki pusat kluster dan nilai keanggotaan tiap-tiap data secara berulang, maka akan dapat dilihat bahwa pusat
kluster akan bergerak menuju lokasi yang tepat Kusumadewi 2004.
1.2. Perumusan Masalah
Kategori