Data Mining untuk Pertanahan : Pengelompokan Status Pertanahan pada Letter C dengan Algoritma Partitioning Around Medoids
Perkembangan administrasi pertanahan terus
mengalami inovasi teknologi melalui digitalisasi buku Letter C. Buku ini
membahas terkait transformasi administrasi Letter C dengan menerapkan
metode data mining algoritma Partitioning Around Medoids (PAM). Algoritma ini dikenal sebagai
varian dari metode K-Means yang dapat mengatasi kelemahan dalam
pengelompokan data. Buku ini mengeksplorasi bagaimana metode clustering
dapat membantu dalam melakukan pengelolaan data status pertanahan yang lebih
sistematis.
Dengan menerapkan metode Cross Industry Standard Process for
Data Mining (CRISP-DM),
analisis data status pertanahan dapat menghasilkan model yang lebih prediktif
dan akurat. Pendekatan CRISP-DM
ini menerapkan beberapa tahapan mulai dari pemahaman bisnis, pemodelan dengan
algoritma PAM, evaluasi dengan
metode Davies Bouldin Index (DBI),
hingga implementasi dengan bahasa pemrograman Python. Salah satu aspek penting yang dikaji dalam buku ini selain
pemodelan algoritma PAM yaitu
evaluasi DBI, yang bertujuan
untuk memastikan akurasi sistem yang dikembangkan.
Buku ini cocok untuk akademisi, peneliti, dan praktisi di bidang
administrasi pertanahan dan teknologi informasi yang tertarik pada digitalisasi
data pertanahan. Selain itu, buku ini juga cocok untuk siapa saja yang ingin
memahami terkait teknologi dalam meningkatkan pelayanan pertanahan dan
penerapan clustering dalam sistem digital pertanahan.
