Evaluasi K-Means dan Hierarchical Clustering dalam Segmentasi Wilayah Penerimaan Bantuan Sosial Pangan di Provinsi X

Fathoni, Fathoni (Universitas Sriwijaya)
Khairani, Annisa (Universitas Sriwijaya)
Nur'Aini, Risma (Universitas Sriwijaya)
Gultom, Gina Destia (Universitas Sriwijaya)
Alfitrah, Intan Aidita (Universitas Sriwijaya)
Ibrahim, Ali (Universitas Sriwijaya)

Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Vol 14, No 2: Agustus 2025

The allocation of food social assistance in Indonesia faces challenges in targeting accuracy and distribution effectiveness. To improve distribution efficiency, this study explores regional segmentation using two clustering methods K-Means and Hierarchical Clustering based on social and economic characteristics. The analysis uses 324 secondary records from the Satu Data Indonesia portal, categorized by regency and city in Province X. Clustering performance was evaluated using the Silhouette Coefficient and Davies-Bouldin Index. Results show that K-Means Clustering outperforms Hierarchical Clustering, achieving a Silhouette Coefficient of 0.5371 and a Davies-Bouldin Index of 0.7173 with five clusters. In contrast, Hierarchical Clustering produced a Silhouette Coefficient of 0.4976 and a Davies-Bouldin Index of 0.7607. Based on these findings, K-Means is recommended for more effective regional segmentation in the distribution of food social assistanceKeywords: Regional Segmentation; Food Social Assistance; K-Means; Hierarchical Clustering AbstrakAlokasi bantuan sosial pangan di Indonesia masih menghadapi kendala ketepatan sasaran dan efektivitas penyaluran. Salah satu pendekatan untuk meningkatkan efisiensi penyaluran adalah dengan melakukan segmentasi wilayah penerima bantuan sosial pangan berdasarkan atribut sosial dan ekonomi. Penelitian ini bertujuan untuk mengkaji dua teknik klasterisasi, yaitu K-Means dan Hierarchical Clustering, untuk melakukan segmentasi wilayah penerima bantuan sosial pangan di Provinsi X. Data yang digunakan adalah data sekunder yang bersumber dari portal Satu Data Indonesia sebanyak 324 record yang dikelompokkan berdasarkan kabupaten dan kota. Evaluasi kinerja klasterisasi dilakukan dengan menggunakan dua metrik, yaitu Silhouette Coefficient dan Davies-Bouldin Index. Hasil penelitian menunjukkan bahwa pendekatan K-Means Clustering menghasilkan segmentasi wilayah yang unggul, ditunjukkan dengan nilai Silhouette Coefficient sebesar 0,5371 dan Davies-Bouldin Index sebesar 0,7173 untuk lima klaster. Pendekatan Hierarchical Clustering menghasilkan nilai Silhouette Coefficient sebesar 0,4976 dan Davies-Bouldin Index sebesar 0,7607. Dengan demikian, metode K-Means direkomendasikan untuk menggambarkan wilayah dalam distribusi bantuan sosial pangan.