<![CDATA[Usaha mikro,kecil, dan menengah (UMKM) merupakan pilar penting dalam perekonomian Indonesia, namun distribusi dan karakteristik UMKM di berbagai wilayah DKI Jakarta masih belum terpetakan secara optimal. Penelitian ini bertujuan untuk melakukan segmentasi wilayah berdasarkan jumlah dan jenis UMKM dengan menerapkan algoritma K-Means Clustering menggunakan Python. Proses analisis dimulai dari integrasi data UMKM, praproses (penghapusan kolom tidak relevan, penanganan missing value), transformasi data menjadi pivot table, hingga stan’darisasi fitur numerik. Penentuan jumlah klaster optimal dilakukan dengan metode Elbow, sementara kualitas klasterisasi dievaluasi menggunakan Silhouette Score dan Davies-Bouldin Index. Hasil klasterisasi menunjukkan adanya tiga segmen utama wilayah: rendah, sedang, dan tinggi berdasarkan jumlah UMKM. Visualisasi menggunakan diagram lingkaran dan Principal Component Analysis (PCA) memperjelas distribusi dan pemisahan antar klaster. Nilai Silhouette Score sebesar 0,867 dan Davies-Bouldin Score sebesar 0,366 menandakan kualitas klasterisasi yang sangat baik. Temuan ini diharapkan dapat menjadi dasar bagi pemerintah dan pemangku kepentingan dalam merumuskan kebijakan pengembangan UMKM yang lebih tepat sasaran dan berbasis data.-]]>
Copyrights © 2025
