Update README.md
This commit is contained in:
parent
50112ec73e
commit
98c60f4a09
@ -87,8 +87,8 @@ Metode evaluasi yang digunakan:
|
||||
Nilai inertia terus menurun seiring bertambahnya jumlah cluster. Titik siku (elbow) terlihat pada K = 3, yang menunjukkan penurunan inertia tidak lagi signifikan setelah titik tersebut.
|
||||
2. Silhouette Score
|
||||
Silhouette Score tertinggi berada pada:
|
||||
K = 2 : 0.731
|
||||
K = 3 : 0.595
|
||||
a. K = 2 : 0.731
|
||||
b. K = 3 : 0.595
|
||||
Meskipun K=2 memiliki nilai lebih tinggi, namun K=3 dipilih karena menghasilkan segmentasi yang lebih baik secara interpretasi kebijakan (rendah, sedang, tinggi) dan masih dalam kategori skor baik (>0.5). Sehingga jumlah cluster optimal ditetapkan sebagai K = 3.
|
||||
|
||||
D. Implementasi K-Means Clustering
|
||||
@ -120,7 +120,6 @@ Terdiri dari 7 wilayah: DKI Jakarta, Sumatera Utara, Banten, Lampung, Aceh, dan
|
||||
Berisi 3 wilayah utama: Jawa Barat, Jawa Tengah, Jawa Timur. Memiliki jumlah pendidik dan sekolah tertinggi di Indonesia. Rasio guru per sekolah: 28,28, masih dalam batas ideal.
|
||||
➡ Rekomendasi: Tidak membutuhkan penambahan guru; fokus pada efisiensi dan pemerataan internal.
|
||||
|
||||
|
||||
# Penelitian: k-Means Clustering
|
||||
File CSV tersebut adalah output akhir dari analisis K-Means Clustering yang berfungsi untuk:
|
||||
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user