<![CDATA[Penelitian ini membahas klastering data kemiskinan di Indonesia pada rentang tahun 2007 hingga 2017 sebagai upaya untuk mengidentifikasi pola dan kelompok tingkat kemiskinan di berbagai wilayah. Analisis dilakukan untuk mengelompokkan data kemiskinan ke dalam beberapa klaster menggunakan metode K-Means, serta memanfaatkan algoritma Decision Tree untuk mengeksplorasi faktor-faktor yang berpengaruh dalam upaya pengurangan kemiskinan. Metode perhitungan dilakukan dengan bahasa pemrograman Python yang didukung pustaka analisis data dan machine learning. Data kemiskinan diolah melalui tahapan pembersihan data, normalisasi, klastering, visualisasi hasil klaster, serta pembangunan model Decision Tree untuk memahami atribut penentu. Hasil penelitian menunjukkan pola pengelompokan wilayah berdasarkan karakteristik kemiskinan yang serupa dan pengetahuan aturan dari Decision Tree yang dapat digunakan sebagai dasar pertimbangan dalam perumusan strategi penanggulangan kemiskinan di Indonesia secara lebih tepat sasaran dan berkelanjutan.]]>
Copyrights © 2025
