PENGELOMPOKAN UMKM BERDASARKAN KATEGORI USAHA DAN SEBARAN WILAYAH DI JAWA BARAT DENGAN CLUSTERING K-MEANS

Nana Casmana Ade Wikarta; Sofi  Defiyanti

doi:10.23960/jitet.v13i3.6889

Authors

Nana Casmana Ade Wikarta Informatika, Fakultas Ilmu Komputer
Sofi Defiyanti

DOI:

https://doi.org/10.23960/jitet.v13i3.6889

Abstract Views: 67 File Views: 68

Keywords:

MSMEs, West Java, Clustering, K-Means, KDD, QGIS.

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) merupakan sektor strategis dalam perekonomian daerah, termasuk di Provinsi Jawa Barat. Pada tahun 2023, jumlah UMKM di Indonesia mencapai 66 juta unit dan menyumbang 61% terhadap Produk Domestik Bruto (PDB) nasional. Pada penelitian ini bertujuan mengelompokkan kabupaten/kota di Jawa Barat berdasarkan kategori usaha dan proyeksi jumlah UMKM menggunakan metode K-Means Clustering, dengan bantuan Principal Component Analysis (PCA) untuk reduksi dimensi. Data bersumber dari portal Open Data Jabar dan mencakup proyeksi jumlah UMKM per kabupaten/kota dari tahun 2018 hingga 2023. Setiap baris data merepresentasikan satu kabupaten/kota per tahun, dengan sepuluh kategori usaha sebagai fitur utama. Hasil klasterisasi membentuk tiga cluster: Cluster 0 (wilayah dengan rata-rata jumlah UMKM tertinggi), Cluster 1 (terendah), dan Cluster 2 (moderat). Komposisi jumlah anggota tiap cluster yang terbentuk adalah sebagai berikut: Cluster 0 sebanyak 30 anggota, Cluster 1 sebanyak 65 anggota, dan Cluster 2 sebanyak 67 anggota. Evaluasi dengan silhouette coefficient menunjukkan nilai 0,58 yang menandakan pemisahan cluster cukup baik. Hasil ini diharapkan dapat menjadi referensi dalam merumuskan kebijakan pengembangan UMKM di tingkat daerah.

Downloads

Download data is not yet available.

References

Abrar, I. N., Abdullah, A., & Sucipto, S. (2023). Liver Disease Classification Using the Elbow Method to Determine Optimal K in the K-Nearest Neighbor (K-NN) Algorithm. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 12(2), 218–228. https://doi.org/10.32736/sisfokom.v12i2.1643

Ahmad, I., Samsugi, S., & Irawan, Y. (2022). Implementasi Data Mining Sebagai Pengolahan Data. Jurnal Teknoinfo, 16(1), 46. http://portaldata.org/index.php/portaldata/article/view/107

Alghifari, F., & Juardi, D. (2021). Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes. Jurnal Ilmiah Informatika, 9(02), 75–81. https://doi.org/10.33884/jif.v9i02.3755

Ansori, N. A. V., Muhaimin, A., & Terza, A. (2024). Pembentukan Klaster Terhadap Indeks Pembangunan Manusia Di Wilayah Jawa Timur. Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika Dan Statistika, 5(1), 514–519. https://doi.org/10.46306/lb.v5i1.589

Aria, T. A., Julkarnain, M., & Hamdani, F. (2023). Penerapan Algoritma K-Means Clustering Untuk Data Obat. 4(1), 649–657. https://doi.org/10.30865/klik.v4i1.1117

Arifitama, B., & Syahputra, A. (2022). Analisis Data Mining Pada Klasterisasi UMKM Dengan Menggunakan Algoritma K-Means. Jurnal Industri Kreatif Dan Informatika, 2(2), 66–72.

Bahtiar, R. (2023). Implementasi Data Mining Untuk Prediksi Penjualan Kusen Terlaris Menggunakan Metode K-Nearest Neighbor. Jurnal Informatika MULTI, 1(3), 203–214. https://jurnal.publikasitecno.id/index.php/jim203

Dewi, D. A. I. C., & Pramita, D. A. K. (2019). Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali. Matrix : Jurnal Manajemen Teknologi Dan Informatika, 9(3), 102–109. https://doi.org/10.31940/matrix.v9i3.1662

Dhewayani, F. N., Amelia, D., Alifah, D. N., Sari, B. N., & Jajuli, M. (2022). Implementasi K-Means Clustering untuk Pengelompokkan Daerah Rawan Bencana Kebakaran Menggunakan Model CRISP-DM. Jurnal Teknologi Dan Informasi, 12(1), 64–77. https://doi.org/10.34010/jati.v12i1.6674

Di, P., Bojonegoro, K., Hediyati, D., & Suartana, I. M. (2021). Penerapan Principal Component Analysis ( PCA ) Untuk Reduksi Dimensi Pada Proses Clustering Data Produksi. 05, 49–54.

Elda, Y., Defit, S., Yunus, Y., & Syaljumairi, R. (2021). Klasterisasi Penempatan Siswa yang Optimal untuk Meningkatkan Nilai Rata-Rata Kelas Menggunakan K-Means. Jurnal Informasi Dan Teknologi, 3, 103–108. https://doi.org/10.37034/jidt.v3i3.130

Farrah Meirisah, & Tata Sutabri. (2023). Analisa Kasus Kejahatan Siber Dengan Menggunakan Visualisasi Data. Jurnal Informatika Teknologi Dan Sains, 5(1), 32–37. https://doi.org/10.51401/jinteks.v5i1.2211

Fauziah, R., & Purnamasari, A. I. (2023). Implementasi Algoritma K-Means pada Kasus Kekerasan Anak dan Perempuan Berdasarkan Usia. Hello World Jurnal Ilmu Komputer, 2(1), 34–41. https://doi.org/10.56211/helloworld.v2i1.232

Hansen. (2022). Perbandingan Algoritma Data Mining Dalam Mengklasifikasi Penyakit Diabetes Menggunakan Model C.45 dan Naïve Bayes.

Hastari, D., Nurunnisa, F., Winanda, S., & Aprillia, D. D. (2023). Application of K-Means and K-Medoids Algorithms for Grouping Country Data Based on Socio-Economic and Health Factors Penerapan Algoritma K-Means dan K-Medoids untuk Mengelompokkan Data Negara Berdasarkan Faktor Sosial-Ekonomi dan Kesehatan. 274–281.

Hasymi, M. A., Faisol, A., & Ariwibisono, F. X. (2021). SISTEM INFORMASI GEOGRAFIS PEMETAAN WARGA KURANG MAMPU DI KELURAHAN KARANGBESUKI MENGGUNAKAN METODE K-MEANS. 5(1), 284–290.

Hendrastuty, N. (2024). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa. Jurnal Ilmiah Informatika Dan Ilmu Komputer (Jima-Ilkom), 3(1), 46–56. https://doi.org/10.58602/jima-ilkom.v3i1.26

Irwan, I., Sanusi, W., Anwar, A. S., & Rahman, A. (2023). The Implementation of Spatial Model with K-Means Clustering Method to Cluster Flood Affected Areas in Bone Regency. ARRUS Journal of Social Sciences and Humanities, 3(2), 186–195. https://doi.org/10.35877/soshum1771

Kandias, M., Wibowo, N. C., & Najaf, A. R. E. (2024). PENERAPAN ALGORITMA K-MEANS UNTUK SEGMENTASI DAERAH DI JAWA TIMUR BERDASARKAN INDIKATOR KESEJAHTERAAN MASYARAKAT. 2, 21–52.

Luchia, N. T., Handayani, H., & Hamdi, F. S. (2022). Comparison of K-Means and K-Medoids on Poor Data Clustering in Indonesia Perbandingan K-Means dan K-Medoids Pada Pengelompokan Data Miskin di Indonesia. 2(October), 35–41.

Mauliadi, R. (2022). Data Mining Menggunakan Algoritma K-Means Clustering dalam Analisis Tingkat Potongan Harga Terhadap Harga Jual Sepeda Motor Honda. Jurnal Informatika Ekonomi Bisnis, 4, 7–9. https://doi.org/10.37034/infeb.v4i4.156

No, V., Hal, J., & Guntara, R. G. (2023). Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7 Jurnal Teknologi Dan Sistem Informasi Bisnis. 5(1), 55–60.

Nugroho, M. R., Hendrawan, I. E., & Purwantoro, P. P. (2022). Penerapan Algoritma K-Means Untuk Klasterisasi Data Obat Pada Rumah Sakit ASRI. Nuansa Informatika, 16(1), 125–133. https://doi.org/10.25134/nuansa.v16i1.5294

Nur, M. (2023). Pengelompokan Tingkat Kemiskinan di Provinsi Jawa Barat dengan Metode K-Means Clustering Info Artikel. Journal of Data Insights, 1(2), 51–61. http://journalnew.unimus.ac.id/index.php/jodi

Nurohmah, Y., Mayasari, R., & Nurina Sari, B. (2023). Optimalisasi Performa K-Means Clustering Dengan Pca Dalam Analisis Tingkat Kemiskinan Di Jawa Barat. JATI (Jurnal Mahasiswa Teknik Informatika), 7(3), 1657–1665. https://doi.org/10.36040/jati.v7i3.6884

Pitaloka Anggriani, Y., Arif, A., & Febriansyah, F. (2024). Implementasi Algoritma K-Means Clustering Dalam Menentukan Blok Tanaman Sawit Produktif Pada Pt Arta Prigel. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1820–1825. https://doi.org/10.36040/jati.v8i2.9225

Pratama Simanjuntak, K., & Khaira, U. (2021). Hotspot Clustering in Jambi Province Using Agglomerative Hierarchical Clustering Algorithm. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 1(1), 7–16.

Rosyada, I. A., & Utari, D. T. (2024). Penerapan Principal Component Analysis untuk Reduksi Variabel pada Algoritma K-Means Clustering. Jambura Journal of Probability and Statistics, 5(1), 6–13. https://doi.org/10.37905/jjps.v5i1.18733

Sa’diah, H., Enri, U., & Nur Padilah, T. (2023). Penerapan Algoritme K-Means Dalam Segmentasi Daerah Rawan Kekerasan Anak Di Jawa Barat. JATI (Jurnal Mahasiswa Teknik Informatika), 7(2), 1351–1357. https://doi.org/10.36040/jati.v7i2.6838

Septianingsih, A. (2022). Analisis K-Means Clustering Pada Pemetaan Provinsi Indonesia Berdasarkan Indikator Rumah Layak Huni. Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika Dan Statistika, 3(1), 224–241. https://doi.org/10.46306/lb.v3i1.116

Sri Handini, Sukesi, H. K. (2019). Optimalsasi Ekonomi Masyarakat Persisir Pantai. Manajeman : UKMK Dan Koperasi, 23.

Sulistiyawati, A., & Supriyanto, E. (2021). Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan. Jurnal Tekno Kompak, 15(2), 25. https://doi.org/10.33365/jtk.v15i2.1162

Surbakti, N. M., Talia, A., & Perangin-angin, C. B. (2024). Penggunaan Bahasa Pemrograman Python dalam Pembelajaran Kalkulus Fungsi Dua Variabel. 2(3), 98–107.

Syahfitri, N., Budianita, E., Nazir, A., & Afrianty, I. (2023). Pengelompokan Produk Berdasarkan Data Persediaan Barang Menggunakan Metode Elbow dan K-Medoid. KLIK: Kajian Ilmiah Informatika Dan Komputer, 4(3), 1668–1675. https://doi.org/10.30865/klik.v4i3.1525

Wahono, R. S. (2023). Data Mining Data mining. In Mining of Massive Datasets (Vol. 2, Issue January 2013). https://www.cambridge.org/core/product/identifier/CBO9781139058452A007/type/book_part

Wahyusari, R., & Wardani, S. (2023). Perbandingan Algoritma K-Means dan Algoritma K-Medoid Untuk Pengelompokan UMKM di Kebumen. Prosiding SENDIKO (Seminar …, 74–79. http://prosiding.unipma.ac.id/index.php/sendiko/article/view/3747%0Ahttp://prosiding.unipma.ac.id/index.php/sendiko/article/download/3747/3562

Yulia, N., Saragih, R., & Ambarita, I. (2021). Data Mining Pengelompokan Anak Stunting Berdasarkan Usia , Penyebab dan Pekerjaan Orang Tua Dengan Menggunakan Metode Clustering ( Studi Kasus : Dinas Kesehatan Kabupaten Langkat ). Seminar Nasional Informatika (SENATIKA)Prosiding SENATIKA 2021, 12. http://www.ejournal.pelitaindonesia.ac.id/ojs32/index.php/SENATIKA/article/view/1174/661