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

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.

References

Read More