Clustering Kabupaten/Kota Di Provinsi Papua Berdasarkan Indikator Kemiskinan Menggunakan Metode K-Medoids
Keywords:
Clustering, K-Medoids, Kemiskinan, IPM, PDRBAbstract
Badan Pusat Statistik (BPS) telah merilis berbagai variabel terkait informasi kemiskinan tingkat kabupaten/kota di Indonesia pada tahun 2020. Angka kemiskinan tiap kabupaten/kota di Indonesia berbeda-beda. Perbedaan ini disebabkan oleh banyak indikator yang berbeda seperti: indeks pembangunan manusia, angka penduduk, pendapatan per kapita, angka melek huruf, akses terhadap pendidikan, akses terhadap air bersih dan kualitas yang cukup, dll. Sehingga digunakan metode clustering K-Medoids untuk mengelompokkan berdasarkan indikator-indikator tersebut. Algoritma K-Medoids merupakan salah satu metode clustering yang diusulkan untuk mengatasi kelemahan algoritma K-Means yang sensitif terhadap outlier karena suatu objek dengan nilai yang tinggi dapat menyimpang secara signifikan dari sebaran datanya. Algoritm K-Medoids menggunakan data alih-alih merata-ratakan pusat cluster. Dengan menggunakan analisis K-Medoids diperoleh cluster optimal sebanyak 2 cluster yang dikategorikan sebagai Kabupaten/Kota dengan indikator kemiskinan sedang dan tinggi dari 29 kabupaten/kota, dimana pada cluster 1 dengan 17 Kabupaten/Kota tergolong kemiskinan tinggi karena pada cluster ini Indeks Pembangunan Manusia dan Laju Pertumbuhan PDRB tergolong rendah dan Persentase Penduduk Miskin tinggi.Untuk cluster 2 dengan 12 Kabupaten/kota tergolong kemiskinan sedang karena pada cluster ini Indeks Pembangunan Manusia dan Laju Pertumbuhan PDRB tinggi sedangkan Persentase Penduduk Miskin rendah.
References
Alfiah, F., Almadayani, A., Al Farizi, D., & Widodo, E. (2021). Analisis Clustering K-Medoids Berdasarkan Indikator Kemiskinan di Jawa Timur Tahun 2020. JURNAL ILMIAH SAINS, 22(1), 1. https://doi.org/10.35799/jis.v22i1.35911
Anggaran, K., Keahlian, B., Perwakilan, D., & Ri, R. (2019). FAKTOR DETERMINAN INDEKS PEMBANGUNAN MANUSIA DI INDONESIA Determinant Factor of The Human Development Index in Indonesia Marihot Nasution (Vol. 4, Nomor 1).
Farissa, R. A., Mayasari, R., & Umaidah, Y. (2021). Perbandingan Algoritma K-Means dan K-Medoids Untuk Pengelompokkan Data Obat dengan Silhouette Coefficient. Dalam Journal of Applied Informatics and Computing (JAIC) (Vol. 5, Nomor 2). http://jurnal.polibatam.ac.id/index.php/JAIC
Fikri, R., Mushardiyanto, A., Laudza’Banin, M. N., Maureen, K., & Patria, H. (2021). Pengelompokan Kabupaten/Kota di Indonesia Berdasarkan Informasi Kemiskinan Tahun 2020 Menggunakan Metode K-Means Clustering Analysis. Seminar Nasional Teknik dan Manajemen Industri, 1(1), 190–199. https://doi.org/10.28932/sentekmi2021.v1i1.76
Mirantika, N., Syamfithriani, T. S., & Trisudarmo, R. (2023). Implementasi Algoritma K-Medoids Clustering Untuk Menentukan Segmentasi Pelanggan. JURNAL NUANSA INFORMATIKA, 17, 2614–5405. https://doi.org/10.25134/nuansa
Nahdliyah, M. A., Widiharih, T., & Prahutama, A. (2019). METODE k-MEDOIDS CLUSTERING DENGAN VALIDASI SILHOUETTE INDEX DAN C-INDEX (Studi Kasus Jumlah Kriminalitas Kabupaten/Kota di Jawa Tengah Tahun 2018). JURNAL GAUSSIAN, 8(2), 161–170. http://ejournal3.undip.ac.id/index.php/gaussian
Setiyawati, A. W. (2017). IMPLEMENTASI ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) UNTUK PENGELOMPOKAN SEKOLAH MENENGAH ATAS DI DIY BERDASARKAN NILAI DAYA SERAP UJIAN NASIONAL [Skripsi]. UNIVERSITAS SANATA DHARMA.
Widodo, S. (2021). Analysis of Growth Rate and Contribution of Gross Regional Domestic Products Forming Sectors (GRDP) in Under-Developed Municipality District. JURNAL BUDGET, 6(1).
Widyadhana, D., Hastuti, R. B., Kharisudin, I., & Fauzi, F. (2021). Perbandingan Analisis Klaster K-Means dan Average Linkage untuk Pengklasteran Kemiskinan di Provinsi Jawa Tengah. PRISMA, Prosiding Seminar Nasional Matematika, 4, 584–594. https://journal.unnes.ac.id/sju/index.php/prisma/
