<![CDATA[Koperasi memegang peranan krusial dalam menopang stabilitas ekonomi akar rumput di tingkat daerah. Namun, sebaran modal yang tercermin dari nilai total aset koperasi antar-wilayah seringkali mengalami ketimpangan yang lebar, sehingga memerlukan sistem pemetaan yang objektif untuk mendukung pengambilan kebijakan. Penelitian ini bertujuan untuk mengelompokkan 27 kabupaten/kota di Provinsi Jawa Barat berdasarkan karakteristik kemiripan total aset koperasi menggunakan pendekatan sains data. Metode penelitian yang diterapkan adalah kuantitatif berbasis data mining dengan membandingkan dua arsitektur algoritma clustering, yaitu K-Means Clustering sebagai perwakilan metode non-hierarki dan Agglomerative Hierarchical Clustering dengan Ward’s Method sebagai metode hirarki. Data sekunder berupa total aset koperasi berskala satu dimensi diperoleh dari portal resmi Open Data Jabar. Penentuan jumlah kelompok optimal ditentukan melalui Elbow Method, sedangkan pengujian keandalan struktur klaster dievaluasi menggunakan metrik validasi internal Silhouette Coefficient. Hasil analisis grafik Elbow secara konsisten menunjukkan bahwa jumlah partisi paling efisien untuk dataset ini adalah tiga klaster ($K=3$). Melalui tahapan evaluasi model, algoritma Hierarchical Clustering (Metode Ward) terbukti menghasilkan performa terbaik dengan rata-rata skor Silhouette sebesar 0,665, mengungguli algoritma K-Means yang mencatatkan skor 0,587. Metode Ward dinilai lebih andal dalam memecah data satu dimensi yang memiliki varians timpang tanpa terdistorsi penuh oleh pencilan ekstrem. Hasil pemetaan terbaik mengisolasi Kota Bandung sebagai klaster mandiri tunggal dengan aset super tinggi (Rp 5,15 Triliun), diikuti oleh empat wilayah penyangga industri pada klaster aset tinggi (Rp 1,61 T – Rp 2,94 T), serta 22 kabupaten/kota lainnya yang mendominasi kelompok aset sedang-rendah (di bawah Rp 1,30 Triliun). Temuan ini mengonfirmasi adanya polarisasi ekonomi yang nyata pada ekosistem koperasi di Jawa Barat. Implikasi dari riset ini merekomendasikan pemerintah daerah untuk menerapkan kebijakan pembinaan terarah berbasis klaster (data-driven policy), di mana intervensi bantuan modal stimulan dan pendampingan manajemen diutamakan secara masif pada 22 wilayah berkembang di klaster terendah.]]>
Copyrights © 2026
