PENGELOMPOKAN TINGKAT KEMISKINAN DI SETIAP PROVINSI DI INDONESIA MENGGUNAKAN ALGORITMA K-MEDOIDS
Abstract
Kemiskinan adalah keadaan di mana individu atau sekelompok masyarakat tidak memiliki kemampuan untuk memenuhi kebutuhan dasar mereka, seperti pangan, sandang, tempat tinggal, pendidikan, dan layanan kesehatan. Kemiskinan bervariasi menurut provinsi di Indonesia. Tujuan dari penelitian ini adalah untuk mengidentifikasi klaster kemiskinan di setiap negara bagian dengan menggunakan pendekatan algoritma K-Medoids. K-Medoids adalah teknik pengelompokan partisi yang mengelompokkan kumpulan objek ke dalam cluster. Penelitian ini menggunakan data Badan Pusat Statistik (BPS) yang mencakup 34 provinsi di Indonesia pada tahun 2015 hingga 2022. Hasil yang diperoleh adalah terdapat tiga klaster yang berbeda: klaster sangat miskin, klaster miskin, dan klaster rentan miskin. 50% penduduknya tergolong dalam kemiskinan ekstrem, 45% lagi berada dalam kemiskinan, dan sisanya berada dalam kemiskinan rentan. Nilai Silhouette Score sebesar 0,4 menunjukkan clustering yang dihasilkan sangat baik.Downloads
References
N. Zuhdiyaty and D. Kaluge, “Analisis Faktor-faktor yang Mempengaruhi Kemiskinan di Indonesia Selama Lima Tahun Terakhir (Studi Kasus Pada 33 Provinsi),” Jurnal Jibeka, Vols. 1, no. 2, p. 27–31, 2017.
N. Zuhdiyaty, “Analisis Faktor - Faktor Yang Mempengaruhi Kemiskinan Di Indonesia Selama Lima Tahun Terakhir (Studi Kasus Pada 33 Provinsi),” JIBEK, Vols. 1, no. 2, pp. 1-5, 2015.
Y. R. M. a. B. N. S. Nurohmah, “Optimalisasi Performa K-Means Clustering Dengan PCA Dalam Analisis Tingkat Kemiskinan Di Jawa Barat,” JATI (Jurnal Mahasiswa Teknik Informatika), Vols. 7, no. 3, pp. 1657-1665, 2023.
Khalif, A., Hasanah, A. N., Ridwan, M. H., & Sari, B. N., “Klasterisasi Tingkat Kemiskinan di Indonesia menggunakan Algoritma K-Means,” Generation Journal, Vols. 8, no. 1, pp. 54-62, 2024.
Alfiah, F., Almadayani, A., Al Farizi, D., & Widodo, E., “Analisis Clustering K-Medoids Berdasarkan Indikator Kemiskinan di Jawa Timur Tahun 2020,” Jurnal Ilmiah Sains, vol. 22(1), pp. 1-7, 2022.
Wahyuli, Disty, et al., “Mengelompokkan Garis Kemiskinan Menurut Provinsi Menggunakan Algoritma K-Medoids.,” Prosiding Seminar Nasional Riset Information Science (SENARIS), vol. 1, pp. 452-461, 2019.
Y. A. Sari, “Pengaruh Upah Minimum Tingkat Pengangguran Terbuka Dan Jumlah Penduduk Terhadap Kemiskinan Di Provinsi Jawa Tengah,” Equilibrium, Vols. 1, no. 2, pp. 121-130, 2021.
P. Suparlan, Masyarakat dan Kebudayaan Perkotaan: Perspektif Antropologi Perkotaan, 2004.
B. P. S. J. Pusat, Statistik Indonesia Tahun 2010, Jakarta Pusat: Badan, 2010.
M. N. H. S. a. O. S. Y. Fadhillah, “Perancangan Aplikasi Data Mining Untuk Menentukan Pasien Menderita Tifoid Dengan Metode Algoritma C4. 5,” Explorer (Hayward), Vols. 1, no. 2, pp. 63-71, 2021.
M. R. R. a. A. P. T. M. S. Mustafa, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,” Creat. Inf. Technol. J., Vols. 4, no. 2, pp. 151-162, 2018.
F. Nasution, Penerapan Metode K-Means Clustering untuk Mengelompokkan Ketahanan Tanaman Pangan Kabupaten/Kota di Provinsi Sumatera Utara, Diss. Universitas Sumatera Utara, 2019.
Amrullah, A., Purnamasari, I., Sari, B. N., & Voutama, A. , “Analisis Cluster Faktor Penunjang Pendidikan Menggunakan Algoritma K-Means (Studi Kasus: Kabupaten Karawang,” J. Inform. dan Rekayasa Elektron, Vols. 5, no. 2, p. 244–252, 2022.
A. Fahllevi, “Proses Data Mining KDD Pada Pengguna Brand Hp Menggunakan Metode K-Means,” Binus University, Vols. 1, no. 1, p. 2021, 2021.
I. N. a. D. Darwis, “Analisis Clustering Pada Pengguna Brand Hp Menggunakan Metode K-Means,” Pros. Semin. Nas. Ilmu Komput., Vols. 1, no.1, p. 2021, 2021.
B. V. A. &. H. N. Nurseptia, “Penerapan Algoritma K-Means Untuk Mengelompokkan Kabupaten/Kota Dalam Upaya Pemetaan Lapangan Pekerjaan Baru,” J. Teknol. Informasi, Vols. 1, no. 2, p. 181–186, 2022.
S. P. a. H. Abduh, “Penerapan Metode Silhouette Coefficient untuk Evaluasi Clustering Obat,” PENA Tek. J. Ilm. Ilmu-Ilmu Tek., Vols. 1, no. 2, p. 48, 2021.
P. D. &. V. S. Arora, “Analysis of K-Means and K-Medoids Algorithm For Big Data,” Procedia Computer Science, vol. 78, p. 507–512, 2016.
I. K. U. &. M. M. Kamila, “Perbandingan Algoritma KMeans Dan K-Medoids Untuk Pengelompokan Data Transaksi Bongkar Muat,” Jurnal Ilmiah Rekayasa Dan Manajemen Sistem, Vols. 1, no. 1, p. 119–125, 2019.
D. A. e. a. Silitonga, “Penerapan Metode KMedoid Pada Pengelompokan Rumah Tangga Dalam Perlakuan Memilah Sampah Menurut Provinsi,” Seminar Nasional Sains dan Teknologi Informasi (SENSASI), Vols. 2, No. 1, p. 313–318, 2019.
S. E. A. Sundari, “Analisis K-Medoids Clustering Dalam Pengelompokkan,” Prosiding Seminar Nasional Riset Information Science (Senaris), p. 687–696, 2019.
Titus, Titus Kurniawan, and Mohamad Jajuli, “Clustering Data Kecelakaan Lalu Lintas di Kecamatan Cileungsi Menggunakan Metode K-Means,” Generation Journal , Vols. 6, no. 1, pp. 1-12, 2022.
