Arfindi, Iloh Silvia
Unknown Affiliation

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

Found 1 Documents
Search

ANALISIS KLASTER KESEJAHTERAAN MASYARAKAT KABUPATEN/KOTA DI JAWA TIMUR MENGGUNAKAN METODE HIERARKI DAN K-MEANS Arfindi, Iloh Silvia; Rahmawati, Farida
EMPATI: Jurnal Ilmu Kesejahteraan Sosial Vol. 14 No. 2 (2025): Empati Edisi Desember 2025
Publisher : Social Welfare Study Program

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/empati.v14i2.45503

Abstract

Abstract. This study aims to classify districts/cities in East Java based on social welfare indicators in 2023 using hierarchical and K-Means clustering methods. The dataset consists of 38 districts/cities obtained from the Central Bureau of Statistics (BPS). The variables include poverty rate, unemployment rate, Human Development Index (HDI), per capita expenditure, sanitation access, and social assistance coverage. Data were standardized using z-score before clustering analysis. The optimal number of clusters was determined using Silhouette Coefficient, Davies-Bouldin Index (DBI), and Calinski-Harabasz Index (CHI). The results show that K-Means clustering with three clusters provides the most optimal grouping. Although hierarchical clustering (Ward method) produces a slightly higher Silhouette value, K-Means demonstrates better compactness and cluster separation based on DBI and CHI.  Keyword: Hierarchical Clustering, K-Means Clustering, Social Welfare.  Abstrak. Penelitian ini bertujuan untuk mengklasifikasikan kabupaten/kota di Provinsi Jawa Timur berdasarkan indikator kesejahteraan sosial tahun 2023 dengan menggunakan metode klaster hierarki dan K-Means. Data yang digunakan terdiri dari 38 kabupaten/kota yang diperoleh dari Badan Pusat Statistik (BPS). Variabel yang dianalisis meliputi tingkat kemiskinan, tingkat pengangguran, Indeks Pembangunan Manusia (IPM), pengeluaran per kapita, akses sanitasi, dan cakupan bantuan sosial. Data distandarisasi menggunakan z-score sebelum dilakukan analisis klaster. Penentuan jumlah klaster optimal dilakukan menggunakan Silhouette Coefficient, Davies-Bouldin Index (DBI), dan Calinski-Harabasz Index (CHI). Hasil penelitian menunjukkan bahwa metode K-Means dengan tiga klaster menghasilkan pengelompokan yang paling optimal. Meskipun metode klaster hierarki (Ward) memiliki nilai Silhouette yang sedikit lebih tinggi, metode K-Means menunjukkan tingkat kompaksi klaster dan pemisahan antar klaster yang lebih baik berdasarkan nilai DBI dan CHI. Kata kunci: Klaster Hierarki, Klaster K-Means, Kesejahteraan Sosial.