Clustering ECE and NFE Accredited Statuses with Unsupervised Possibilistic Fuzzy C-Means

Agung Prihantoro, Kartianom Kartianom, Begimbetova Guldana Atymtaevna

Nuansa Akademik Jurnal Pembangunan Masyarakat, 2025

Полный текст Открытый доступ: Gold Метаданные (CSL-JSON)

Достоверность данных 70 средняя

Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

The research aims to have clusters of accredited statuses of early childhood education (ECE) and non-formal education (NFE) institutions in Yogyakarta Special Province in Indonesia, which are created by unsupervised possibilistic fuzzy c-means (UPFC) and to organize the institutions into the clusters created. The Board of National Accreditation for ECE and NFE determined four accredited statuses of A, B, C, and TT. The research employs a method of machine learning, especially UPFC. The dataset is a data of accreditation 2022 from the Board of National Accreditation for ECE and NFE of Yogyakarta Special Province. The data consists of 760 institutions composed of 749 (98.55%) ECE institutions and 11 (1.45%) NFE institutions. The analysis of UPFC created two clusters of accredited statuses of the institutions, thar are Accredited A that consists 437 (57.5%) institutions and Accredited B consisting of 323 (42.5%) institutions. The names of the clusters have political impact.