Bilah Samping Artikel

Telah diserahkan
Aug 12, 2024
Diterima
Dec 4, 2024
Diterbitkan
Dec 4, 2024
Download
PDF
Statistic
Read Counter : 0 Download : 0

Isi Artikel Utama

Abstrak

Kemiskinan adalah ketika sebuah masyarakat memiliki akses fisik yang terbatas terhadap lingkungan dasar. Kondisi permukiman miskin ini seringkali jauh di bawah standar kelayakan dan menyebabkan orang-orang di sana kesulitan mendapatkan uang untuk hidup. Fokus penelitian ini adalah untuk menentukan tingkat kemiskinan di Kab/Kota di Indonesia. Karena ada peningkatan angka kemiskinan di Indonesia, clustering diperlukan untuk pemerintah dapat memberikan bantuan yang tepat kepada mereka yang paling membutuhkan. Metode yang digunakan adalah algoritma K-Means dan K-Medoids. Hasil dari pengelompokkan ini menghasilkan cluster 0 menunjukkan tingkat kemiskinan yang relatif rendah yaitu 250 kab/kota, cluster 1 menunjukkan tingkat kemiskinan yang tinggi yaitu 330 kab/kota , Sedangkan algoritma K-Medoids menghasilkan tiga klaster dengan tingkat kemiskinan rata-rata yang berbeda: cluster 0 menunjukkan tingkat kemiskinan yang relatif rendah yaitu 270 kab/kota, cluster 1 menunjukkan tingkat kemiskinan yang tinggi yaitu 310 kab/kota. Hal ini dapat menjadi referensi bagi pemerintah untuk meningkatkan perhatian wilayah dengan tingkat kemiskinan tinggi dalam upaya mengurangi tantangan ekonomi yang sedang berlangsung. Dengan menggunakan skor sillhouette, untuk membagi tingkat kemiskinan evaluasi algoritma K-Means dan K-Medoids dilakukan. Algoritma k-means menghasilkan nilai K = 0.284 sedangkan algoritma K-Medoids menghasilkan nilai K = 0.224.

Kata Kunci

Clustering Kemiskinan K-means K-medoids Sillhouette Score

Rincian Artikel

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution-NoDerivatives 4.0 International License.

Biografi Penulis

Gita Risky Pratiwi, Universitas Buana Perjuangan Karawang

Fakultas Ilmu Komputer, Program Studi Teknik Informatika

Cara Mengutip
[1]
G. R. Pratiwi, D. Wahiddin, E. E. Awal, dan A. Fauzi, “Klasterisasi Tingkat Kemiskinan Kabupaten/Kota di Indonesia Menggunakan Algoritma K-Means dan K-Medoids”, Jurnal Algoritma, vol. 21, no. 2, hlm. 197–208, Des 2024.
Unduh Sitasi
Endnote/Zotero/Mendeley (RIS)

References

  1. M. Rasyida, “Naïve Bayes Classification untuk Penentuan Status Penduduk Miskin,” vol. 4, no. 2, 2020.
  2. A. S. Rahmawati, D. Ispriyanti, and B. Warsito, “Pemodelan Kasus Kemiskinan Di Jawa Tengah Menggunakan Regresi Nonparametrik Metode B-Spline,” J. Gaussian, vol. 6, no. 1, pp. 11–20, 2017.
  3. K. Di and P. Riau, “PERBANDINGAN ALGORITMA K-MEANS CLUSTERING DAN K-MEDOIDS DALAM MENGELOMPOKKAN TINGKAT,” vol. 8, no. 1, pp. 114–125, 2024.
  4. F. Zahra, A. Khalif, and B. N. Sari, “Pengelompokan Tingkat Kemiskinan di Setiap Provinsi di Indonesia Menggunakan Algoritma K-Medoids,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 2, pp. 2830–7062, 2024.
  5. S. Wahyuni and Y. A. Jatmiko, “Pengelompokan Kabupaten/Kota di Pulau Jawa Berdasarkan Faktor-Faktor Kemiskinan dengan Pendekatan Average Linkage Hierarchical Clustering,” J. Apl. Stat. Komputasi Stat., vol. 10, no. 1, p. 1, 2019.
  6. “https://www.bps.go.id/.” .
  7. I. Nasution, A. P. Windarto, and M. Fauzan, “Penerapan Algoritma K-Means Dalam Pengelompokan Data Penduduk Miskin Menurut Provinsi,” Build. Informatics, Technol. Sci., vol. 2, no. 2, pp. 76–83, 2020.
  8. K. Aprilia and F. Sembiring, “Analisis Garis Kemiskinan Makanan Menggunakan Metode Algoritma K-Means Clustering,” SISMATIK (Seminar Nas. Sist. Inf. dan Manaj. Inform., pp. 1–10, 2021.
  9. F. P. Hidayat, R. P. Putra, M. D. Alfitrah, and E. Widodo, “Implementasi Clustering K-Medoids dalam Pengelompokan Kabupaten di Provinsi Aceh Berdasarkan Faktor yang Mempengaruhi Kemiskinan,” Indones. J. Appl. Stat., vol. 5, no. 2, p. 121, 2023.
  10. R. Fikri, A. Mushardiyanto, M. N. Laudza’Banin, K. Maureen, and H. Patria, “Pengelompokan Kabupaten/Kota di Indonesia Berdasarkan Informasi Kemiskinan Tahun 2020 Menggunakan Metode K-Means Clustering Analysis,” Semin. Nas. Tek. dan Manaj. Ind., vol. 1, no. 1, pp. 190–199, 2021.
  11. M. N. Mursidin, A. Ridhallah Azhan, K. Aryasa, and R. A. Djamro, “Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Menggunakan Orange Data Mining (Studi Kasus: Kabupaten/Kota Provinsi Sulawesi Selatan),” Edisi. Desember, vol. 277, no. 2, pp. 277–289, 2022.
  12. Y. Nurohmah, R. Mayasari, and B. Nurina Sari, “Optimalisasi Performa K-Means Clustering Dengan Pca Dalam Analisis Tingkat Kemiskinan Di Jawa Barat,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 3, pp. 1657–1665, 2023.
  13. N. R. Tangke and A. A. D. Abdullah Ahmad Dzikrullah, “Implementasi K-Medoids Clustering Pada Kemiskinan Ekstrem di Provinsi Maluku,” Emerg. Stat. Data Sci. J., vol. 1, no. 3, pp. 415–424, 2023.
  14. F. Amelia, I. Iskandar, S. Kurnia Gusti, and E. Haerani, “Clustering Keluarga Miskin Desa Bina Baru Dengan Metode K-Medoids,” Krea-Tif J. Tek. Inform., vol. 11, no. 1, pp. 1–13, 2023.
  15. Y. I. Kurniawan, “Pengelompokan Prioritas Negara Yang Membutuhkan Bantuan Menggunakan Clustering K-Means dengan Elbow dan Silhouette,” J. Pendidik. dan Teknol. Indones., vol. 3, no. 10, pp. 455–463, 2023.