Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian Masyarakat Bangsa Mutiara: Multidiciplinary Scientifict Journal Emerging Statistics and Data Science Journal
Nikmah, Annisatul
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Energy Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Mutiara: Multidiciplinary Scientifict Journal

 1 
Pengelompokan Kemiskinan Di Provinsi Jawa Timur Tahun 2024 Dengan Pendekatan Algoritma K-Means Dan K-Means++ Amalia, Suci; Nikmah, Annisatul; Siniwi, Lutfiah Maharani
Mutiara: Multidiciplinary Scientifict Journal Vol. 3 No. 8 (2025): Mutiara: Multidiciplinary Scientifict Journal
Publisher : Al Makki Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57185/mutiara.v3i8.407

Abstract

Kemiskinan merupakan masalah kompleks yang mencerminkan kesejahteraan masyarakat dan kinerja pembangunan suatu daerah. Di Provinsi Jawa Timur, walaupun persentase kemiskinan mengalami penurunan hingga mencapai 9,79% pada tahun 2024, namun kesenjangan antarwilayah masih menjadi tantangan. Penelitian ini bertujuan untuk mengetahui karakteristik dan mengelompokkan Kabupaten/Kota di Jawa Timur berdasarkan indikator kemiskinan, yakni jumlah penduduk miskin, tingkat pengangguran terbuka (TPT), harapan lama sekolah (HLS), rata-rata lama sekolah (RLS), tingkat partisipasi angkatan kerja (TPAK), dan gini ratio. Algoritma clustering yang digunakan adalah K-Means dan K-Means++, untuk membandingkan hasil dan performa keduanya. Penentuan jumlah cluster optimum didasarkan pada nilai Davies-Bouldin Index (DBI) dan Silhouette Score, untuk evaluasi performa algoritma dilihat melalui nilai inertia. Hasil penelitian menunjukkan bahwa jumlah cluster optimum yang terbentuk adalah tiga cluster. Cluster 1 terdiri dari wilayah dengan kemiskinan struktural, Cluster 2 terdiri dari wilayah dengan kemiskinan fungsional, dan Cluster 3 mencerminkan wilayah dengan kondisi indikator yang relatif sedang. Berdasarkan hasil evaluasi, algoritma K-Means++ menghasilkan nilai inertia yang lebih rendah dibandingkan K-Means, serta nilai DBI dan Silhouette yang lebih baik, sehingga dapat disimpulkan bahwa K-Means++ lebih optimal. Hasil penelitian ini diharapkan dapat menjadi acuan dalam merancang strategi kebijakan penanggulangan kemiskinan berbasis karakteristik wilayah yang lebih tepat sasaran.
Co-Authors Aditya, Nanda Oktarina Aisy, Umniyah Rihadatul Cahyoko, Fajar Dwi CHOIRUN NISA Darusasi, Restutita Darusasi Kurniawati, Lucky Anggi Nurmaulid , Mitha Safira Renggani, Puspa Riefky, Muhammad Siniwi, Lutfiah Maharani Suci Amalia