<![CDATA[Analisis data keuangan daerah merupakan langkah penting untuk memahami karakteristik dan ketimpangan fiskal antar wilayah, khususnya pada periode sebelum penerapan otonomi daerah. Penelitian ini bertujuan untuk mengelompokkan jenis penerimaan daerah kabupaten/kota di Indonesia pada periode 1991–1995 menggunakan algoritma K-Means serta mengevaluasi kualitas hasil clustering guna memperoleh klaster yang representatif. Metode penelitian yang digunakan adalah pendekatan data mining dengan teknik clustering K-Means, di mana data berupa persentase realisasi dan rata-rata penerimaan daerah dari 16 jenis penerimaan dianalisis menggunakan bahasa pemrograman Python. Tahapan penelitian meliputi pra-pemrosesan data, normalisasi menggunakan StandardScaler, penentuan jumlah klaster optimal, serta evaluasi klaster menggunakan Silhouette Score, Calinski-Harabasz Index, dan Davies-Bouldin Index. Hasil penelitian menunjukkan bahwa jumlah klaster optimal adalah tiga klaster dengan nilai Silhouette Score sebesar 0,7234, Calinski-Harabasz Index sebesar 593,93, dan Davies-Bouldin Index sebesar 0,8689, yang menandakan kualitas pengelompokan yang baik. Distribusi klaster memperlihatkan ketimpangan struktur penerimaan daerah, di mana satu klaster bersifat dominan sementara klaster lainnya memiliki karakteristik unik. Kesimpulannya, algoritma K-Means efektif dalam mengidentifikasi pola penerimaan daerah pra-otonomi dan dapat digunakan sebagai dasar analisis struktur serta ketimpangan fiskal daerah.]]>
Copyrights © 2025
