ANALISA DAN PENGELOMPOKAN KOTA / KABUPATEN DI INDONESIA BERDASARKAN ASPEK SOSIAL EKONOMI MENGGUNAKAN ALGORITMA K-MEANS

fitria; Chalvina Izumi Amalia; Michael Sitorus

Penulis

fitria Universitas Siber Indonesia
Chalvina Izumi Amalia Universitas Siber Indonesia
Michael Sitorus Universitas Siber Indonesia

Kata Kunci:

K-Means, PCA, Tingkat Kesejahteraan, Davie-Bouldien Index, Metode Elbow, K-Means, PCA, Tingkat Kesejahteraan, Davie-Bouldien Index, Metode Elbow

Abstrak

Indonesia Emas 2045 adalah program pemerintah dengan visi untuk menciptakan sumber daya manusia unggul dan meningkatkan kesejahteraan masyarakat, dengan salah satu prioritas utamanya mengurangi kesenjangan sosial. Identifikasi tingkat kesejahteraan masyarakat sangat penting untuk merumuskan strategi kebijakan yang tepat. Namun, tingkat kesejahteraan di

Indonesia masih belum merata. Penelitian ini bertujuan untuk mengelompokkan kota/kabupaten di Indonesia berdasarkan aspek sosial ekonomi menggunakan metode K-Means yang dikombinasikan dengan Principal Component Analysis (PCA) pada lima variabel: Angka Harapan Hidup, PersentaseKelompok Ekonomi Lemah, Rata-rata Lama Sekolah, Pengeluaran per Kapita, dan PDRB. Kombinasi K-Means dan PCA digunakan untuk mengurangi dimensi variabel penelitian. Hasil analisis menunjukkan tiga komponen utama, dan metode elbow menentukan jumlah cluster optimal menjadi dua (2), dengan nilai SSE 1454,63. Cluster pertama (1) terdiri dari 336 kota/kabupaten dengan Persentase Kelompok EkonomiLemah lebih rendah, sementara cluster kedua (2) terdiri dari 178 kota/kabupaten denganAngka Harapan Hidup, Rata-rata Lama Sekolah, Pengeluaran per Kapita, dan PDRB yang lebih rendah. Akurasi clustering dinilai menggunakan Davies-Bouldin Index (DBI), menunjukkan kualitas clustering sedang dengan nilai 1.019679.

Referensi

Atira, A., & Nurina Sari, B. (2023). Penerapan Silhouette Coefficient, ElbowMethod dan Gap Statistics untuk Penentuan Cluster Optimum dalam Pengelompokkan Provinsi di Indonesia

Berdasarkan Indeks Kebahagiaan. Jurnal Ilmiah Wahana Pendidikan, 9(17), 76–86. https://doi.org/10.5281/zenodo.8282638

Durrofiq, I., & Akbarita, R. (2022). Algoritma K-Means dalam mengelompokkan kota dan kabupaten di Jawa Timur berdasarkan indikator kesejahteraan rakyat. Jurnal Ilmiah Matematika, 9(2), 49–54. https://doi.org/10.26555/konvergensi.v9i2.25500

Kurniawan, W. D., & Suryowati, K. (2020). Pengelompokan Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Karakteristik Kesenjangan Sosial. Jurnal Statistika Industri Dan Komputasi, 05(2), 11–18. https://jatim.bps.go.id/.

Pramayuda, D., Lubis, M. R., & Saragih, I. S. (2020). Pengelompokan Tamu AsingKe Indonesia Berdasarkan Provinsi Dengan Algoritma K-Means. Jurnal Penerapan Sistem Informasi (Komputer & Manajemen), 1(4), 130–137.

Puspa, C. I. S., Rahayu, D. N. O., & Parhan, M. (2023). Transformasi Pendidikan Abad 21 dalam Merealisasikan Sumber Daya Manusia Unggul Menuju Indonesia Emas 2045. Jurnal Basicedu, 7(5), 3309–3321. https://doi.org/10.31004/basicedu.v7i5.5030

Adinata, W., Adam, B., & Puspita, I. (2023). Segmentasi asatuan Kerja Dalam Rangka Akselerasi Penyerapan Anggaran dan Mendorong Ekonomi. Jurnal Manajemen

Perbendaharaan, 4(1), 73–93. https://doi.org/10.33105/jmp.v4i1.487

Putri Riani, A., Voutama, A., & Ridwan, T. (2023). Penerapan K-Means Clustering Dalam Pengelompokan Hasil Belajar Peserta Didik Dengan Metode Elbow. Jurnal Teknologi Sistem Informasi Dan Sistem Komputer TGD, 6(1), 164–172. https://ojs.trigunadharma.ac.id/index.php/jsk/index

Ramadhani, S., Azzahra, D., & Z, T. (2022). Comparison of K-Means and K- Medoids Algorithms in Text Mining based on Davies Bouldin Index Testing for Classification of Student’s Thesis. Digital Zone: Jurnal Teknologi Informasi Dan Komunikasi, 13(1), 24–33. https://doi.org/10.31849/digitalzone.v13i1.9292

Vania, P., & Nurina Sari, B. (2023). Perbandingan Metode Elbow dan Silhouette untuk Penentuan Jumlah Klaster yang Optimal pada Clustering Produksi Padi menggunakan Algoritma K- Means. Jurnal Ilmiah Wahana Pendidikan, 9(21), 547–558. https://doi.org/10.5281/zenodo.10081332