Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Pratiwi, Sefni Marcella
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Clustering Wilayah Pulau Sumatera Berdasarkan Indikator Sosial Ekonomi Menggunakan Metode K-Medoids Sari, Ika Desy Pramita; Pratiwi, Sefni Marcella; Al Rosyid, Harun
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4836

Abstract

Ketidakseimbangan kondisi sosial ekonomi antarwilayah masih menjadi tantangan utama dalam pembangunan di Indonesia, khususnya di Pulau Sumatera yang memiliki keragaman kondisi geografis dan tingkat perkembangan wilayah. Perbedaan capaian indikator sosial ekonomi, seperti pendidikan, kesehatan, pengangguran, dan kemiskinan, menunjukkan perlunya pemetaan wilayah berbasis data untuk memetakan kemiripan karakteristik wilayah secara objektif. Penelitian ini bertujuan mengelompokkan 150 kabupaten/kota di Pulau Sumatera berdasarkan indikator sosial ekonomi menggunakan metode K-Medoids. Menggunakan data sekunder Badan Pusat Statistik (BPS) tahun 2023 yang mencakup Indeks Pembangunan Manusia (IPM), Angka Harapan Hidup (AHH), Rata-rata Lama Sekolah (RLS), Tingkat Pengangguran Terbuka (TPT), dan kemiskinan. Tahapan penelitian meliputi prapemrosesan data melalui penghapusan pada nilai kosong dan normalisasi menggunakan metode Min–Max Scaling, termasuk pembalikan skala pada indikator yang bersifat negatif terhadap kesejahteraan. Penentuan jumlah cluster optimal ditentukan melalui kombinasi metode Elbow dan Silhouette Score. Hasil analisis menunjukkan struktur data paling representatif terbentuk pada tiga cluster. Penerapan algoritma K-Medoids menghasilkan pengelompokan wilayah ke dalam tiga cluster dengan karakteristik sosial ekonomi relatif rendah, menengah, dan tinggi. Visualisasi menggunakan Principal Component Analysis (PCA) menunjukkan pola pemisahan cluster yang cukup jelas dan membantu interpretasi struktur pengelompokan wilayah. Pada hasil akhir, cluster pertama terdiri atas 34 kabupaten/kota, cluster kedua mencakup 84 kabupaten/kota, dan cluster ketiga beranggotakan 32 kabupaten/kota, yang menggambarkan distribusi ketimpangan sosial ekonomi antarwilayah di Pulau Sumatera.
Co-Authors Al Rosyid, Harun Sari, Ika Desy Pramita