Sukarno Wijaya, Nanda
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

PENERAPAN ALGORITMA K-MEANS CLUSTERING DALAM MENENTUKAN DAERAH PRIORITAS PENANGANAN KEMISKINAN DI WILAYAH JAWA TIMUR Sukarno Wijaya, Nanda; Jajuli, Mohamad; Arif Dermawan, Budi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10248

Abstract

Kemiskinan menjadi persoalan yang serius dengan membutuhkan penanganan baik di tingkat nasional maupun global. Di Indonesia terjadi peningkatan serupa sejak september 2022 dengan peningkatan 0,03% dan jumlah masyarakat dinyatakan miskin sebesar 26,36 juta jiwa. Jawa Timur merupakan salah satu wilayah dengan kemiskinan tertinggi di Indonesia. Untuk mendukung upaya penyelesaian kasus yang lebih terstruktur, diperlukan pengendalian dan penekanan kasus kemiskinan dengan menentukan daerah prioritas. Penelitian menggunakan data dari periode tahun 2021-2023. Penelitian ini menggunakan algoritma K-Means dengan metodologi Knowledge Discovery in Database (KDD) yaitu data selection, data preprocessing, transformation, data mining, dan interpretation/evaluation. Algoritma K-Means merupakan sistem untuk pengelompokkan data non hierarki yang dapat mempartisi data terdiri dari dua kelompok atau lebih. Penelitian ini bertujuan melakukan clustering menggunakan K-Means dengan bantuan Silhouette Coefficient, serta dilakukan visualisasi menggunakan tools Quantum Geograpic Information System (QGIS) dalam menentukan segementasi wilayah kemiskinan di Jawa Timur. Berdasarkan data persentase jumlah penduduk miskin dan tingkat pengangguran terbuka. Penelitian ini menghasilkan 2 cluster dengan hasil clustering menggunakan Davies Bouldin Index sebesar 0.600 serta score Silhouette sebesar 0.550. Hasil visualisasi melalui QGIS menunjukkan cluster 0 masuk ke kategori rendah, dan cluster 1 masuk kategori tinggi.