<![CDATA[Penelitian ini bertujuan untuk mengelompokkan kota-kota di negara bagian California, Amerika Serikat, berdasarkan atribut geografis menggunakan algoritma K-Means Clustering. Dataset yang digunakan berisi 450 kota dengan fitur latitude, longitude, elevasi, dan jumlah populasi. Proses klasterisasi dilakukan setelah tahap preprocessing menggunakan StandardScaler untuk menyamakan skala data. Penentuan jumlah klaster optimal dilakukan dengan metode Elbow dan hasil evaluasi menggunakan Silhouette Score sebesar 0.5763 menunjukkan kualitas klaster yang cukup baik. Selain dataset utama, penelitian ini juga membandingkan penerapan algoritma yang sama pada tiga dataset pendukung dari bidang sosial ekonomi, yaitu konsumsi pangan lokal di Indonesia, PDB per kapita negara ASEAN, dan distribusi kelas ekonomi masyarakat Indonesia. Hasil klasterisasi menunjukkan bahwa algoritma K-Means dapat digunakan secara fleksibel untuk berbagai jenis data dan dapat mendukung pengambilan kebijakan berbasis data, baik dalam perencanaan wilayah, ketahanan pangan, maupun pembangunan ekonomi regional.]]>
Copyrights © 2026
