<![CDATA[Penelitian ini membandingkan performa algoritma K-Means Clustering dan Naïve Bayes Classification dalam mengidentifikasi pola migrasi penduduk antar kecamatan di Kabupaten Majalengka menggunakan data migrasi tahun 2024 dari Dinas Kependudukan dan Pencatatan Sipil. Penelitian dilakukan menggunakan pendekatan Knowledge Discovery in Database (KDD) melalui tahapan seleksi data, preprocessing, transformasi, pemodelan, dan evaluasi. Algoritma K-Means digunakan untuk mengelompokkan 26 kecamatan ke dalam tiga klaster berdasarkan karakteristik migrasi masuk dan keluar, sedangkan Naïve Bayes digunakan untuk mengklasifikasikan kecenderungan migrasi menjadi kategori kenaikan dan penurunan. Hasil menunjukkan bahwa K-Means berhasil membentuk tiga kelompok migrasi yaitu tinggi, sedang, dan rendah secara konsisten setelah dua iterasi. Sementara itu, Naïve Bayes menghasilkan akurasi klasifikasi sebesar 90% berdasarkan evaluasi confusion matrix. Temuan ini menunjukkan bahwa K-Means efektif untuk eksplorasi pola data tanpa label, sedangkan Naïve Bayes lebih unggul untuk prediksi berbasis data berlabel. Kombinasi kedua algoritma memberikan pendekatan komprehensif untuk mendukung analisis kebijakan kependudukan berbasis data. Kata Kunci: Migrasi Penduduk, K-Means, Naïve Bayes, Data Mining, RapidMiner.]]>
Copyrights © 2026
