PENERAPAN ALGORITMA K-MEANS UNTUK KLUSTERISASI KABUPATEN/KOTA BERDASARKAN TINGKAT KEMISKINAN DI KEPULAUAN MALUKU DAN PAPUA

M. Y. Matdoan, La Igo, Ramli Rumeon, Rahmi Fadhilah, N. S. Laamena

Abstract


Berdasarkan data Badan Pusat Statistik Tahun 2022 menunjukan bahwa persentase penduduk miskin terbesar berasal dari Kepulauan Maluku dan Papua. Penelitian ini menggunakan meotde K-Means untuk klusterisasi kabupaten/kota berdasarkan tingkat kemiskinan. Data yang diperoleh pada penelitian ini berasal dari BPS Provinsi Papua, Papua Barat, Maluku dan Maluku Utara yang terdiri dari 63 kabupaten/kota dengan 8 menggunakan variabel. Penelitian ini disimpulkan bahwa terdapat 3 kluster dalam tingkat kemiskinan di Kepulauan Papua dan Maluku. Kluster 0 terdiri atas Kabupaten Maluku Tengah, Kota Ambon, Kota Merauke, Jayawijaya, Kota Jayapura, Lanni Jaya dan Kota Sorong. Cluster 1 yang terdiri atas Kabupaten Seram Bagian Barat, Buru, Halmahera Tengah, Halmahera Selatan, Halmahera Timur, Halmahera Utara, Kepulauan Sula, Pulau Morotai, Jayapura, Biak Numfor, Puncak Jaya, Nabire, Paniai, Mimika, Tolikara, Yahukimo, Puncak, Manokwari dan Nduga. Selanjutnya cluster 2 yang terdiri atas Kepulaun Tanimbar, Maluku Tenggara, Kepulaun Aru, Seram Bagian Timur, Maluku Barat Daya, Buru Selatan, Tual, Halmahera Barat, Pulau Taliabu, Ternate, Tidore Kepulauan, Kepulauan Yapen,  Mappi, Boven Digoel, Asmat, Sarmi, Pegunungan Bintang, Keerom, Supiori, Waropen, Mamberamo Raya, Yalimo, Dogiyai, Mamberamo Tengah, Intan Jaya, Deiyai, Kaimana, Teluk Wondama, Fakfak, Teluk Bintuni, Sorong Selatan, Sorong, Tambrauw, Raja Ampat Maybrat, Pegunungan Arfak  dan Manokwari Selatan.

 

Kata Kunci:  Kemiskinan, Klustering, K-Means.


References


M. T. Jatipaningrum, S. E. Azhari, and K. Suryowati, “Pengelompokan Kabupaten Dan Kota Di Provinsi Jawa Timur Berdasarkan Tingkat Kesejahteraan Dengan Metode K-Means Dan Density-Based Spatial Clustering Of Applications With Noise,” J. Deriv. J. Mat. Dan Pendidik. Mat., vol. 9, no. 1, pp. 70–81, Jul. 2022, doi: 10.31316/j.derivat.v9i1.2832.

Universitas Hamzanwadi, S. Suhartini, R. Yuliani, and Universitas Hamzanwadi, “Penerapan Data Mining untuk Mengcluster Data Penduduk Miskin Menggunakan Algoritma K-Means di Dusun Bagik Endep Sukamulia Timur,” Infotek J. Inform. Dan Teknol., vol. 4, no. 1, pp. 39–50, Jan. 2021, doi: 10.29408/jit.v4i1.2986.

A. Mahendra, “Analisis Pengaruh Pertumbuhan Ekonomi, Pendapatan Perkapita, Inflasi Dan Pengangguran Terhadap Jumlah Penduduk Miskin Di Provinsi Sumatera Utara,” J. Ris. Akunt. Keuang., pp. 123–148, Sep. 2016, doi: 10.54367/jrak.v2i2.177.

D. Oleh and V. A. P. Sangga, “Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Jurusan Statistika”.

R. Aprilia and R. R. Sugiharti, “Pengaruh Pendidikan, Tenaga Kerja dan Kesehatan terhadap Kemiskinan (Studi Kasus pada Provinsi Bali),” JIEP J. Ilmu Ekon. Dan Pembang., vol. 5, no. 2, p. 637, Nov. 2022, doi: 10.20527/jiep.v5i2.6638.

I. Nasution, A. P. Windarto, and M. Fauzan, “Penerapan Algoritma K-Means Dalam Pengelompokan Data Penduduk Miskin Menurut Provinsi,” Build. Inform. Technol. Sci. BITS, vol. 2, no. 2, pp. 76–83, Dec. 2020, doi: 10.47065/bits.v2i2.492.

Y. Prastyo, “Pembagian Tingkat Kecanduan Game Online Menggunakan K-Means Clustering Serta Korelasinya Terhadap Prestasi Akademik,” Elinvo Electron. Inform. Vocat. Educ., vol. 2, no. 2, pp. 138–148, Dec. 2017, doi: 10.21831/elinvo.v2i2.17307.

Y. R. Sari, A. Sudewa, D. A. Lestari, and T. I. Jaya, “Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer,” CESS J. Comput. Eng. Syst. Sci., vol. 5, no. 2, p. 192, Jul. 2020, doi: 10.24114/cess.v5i2.18519.

H. Sulastri and A. I. Gufroni, “Penerapan Data Mining Dalam Pengelompokan Penderita Thalassaemia,” J. Nas. Teknol. Dan Sist. Inf., vol. 3, no. 2, pp. 299–305, Sep. 2017, doi: 10.25077/TEKNOSI.v3i2.2017.299-305.

E. D. Sikumbang, “Penerapan Data Mining Penjualan Sepatu Menggunakan Metode Algoritma Apriori,” vol. 4, no. 1, 2018.

M. Rofii, N. Ramadhani, J. R. P. Km, and J. Timur, “Analisis Cluster Lovebird Berdasarkan Ciri Fisik Dan Jenisnya Menggunakan Algoritma K-Means Dengan Penghitungan Jarak Manhattan,” vol. 3, no. 1, 2018.

M. Y. Matdoan, U. A. Matdoan, and M. S. Far-far, “Algoritma K-Means Untuk Klasifikasi Provinsi di Indonesia Berdasarkan Paket Pelayanan Stunting,” vol. 1, no. 2, 2022.

I. M. S. Putra, “Algoritma DBSCAN (Density-Based Spatial Clustering Of Applications With Noise) dan Contoh Perhitungannya”.

I. Kamila and U. Khairunnisa, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau,” vol. 5, no. 1, 2019.

O. Alghushairy, R. Alsini, T. Soule, and X. Ma, “A Review of Local Outlier Factor Algorithms for Outlier Detection in Big Data Streams,” Big Data Cogn. Comput., vol. 5, no. 1, p. 1, Dec. 2020, doi: 10.3390/bdcc5010001.




DOI: http://dx.doi.org/10.24014/jsms.v10i1.21260

Refbacks

  • There are currently no refbacks.


Jurnal JSMS

p-ISSN     : 2460-4542 (print)
e-ISSN     : 2615-8663 (online)
Alamat   : Program Studi Matematika
                   Fakultas Sains dan Teknologi, UIN Suska Riau
                   Jl. H.R Soebrantas, No. 155, Tampan, Pekanbaru.
Website : http://ejournal.uin-suska.ac.id/index.php/JSMS
e-mail    : jsmsfst@uin-suska.ac.id