K-Medoids Clustering untuk Pengelompokan Faktor Perceraian di Jawa Barat Tahun 2023

Amelia Ayu Izzaty (Statistika)
Sutawanir Darwis (Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung)

Bandung Conference Series: Statistics
197-206

Abstract. Divorce rates in West Java, Indonesia, continue to rise annually, driven primarily by economic issues and disputes. To support targeted policy solutions, this study categorizes districts and cities in West Java based on 2023 divorce data using the K-Medoids Clustering algorithm. The clustering process begins with collecting and pre-processing divorce data, addressing missing values, outliers, and standardizing the variables. The Kaiser-Meyer-Olkin (KMO) test was conducted to verify sample adequacy and ensure the absence of multicollinearity. The optimal cluster number was evaluated using the Silhouette Coefficient, after which the K-Medoids algorithm was applied to group regions according to their divorce profiles. Results were visualized through scatter plots and thematic maps. The findings categorize West Java regions into three distinct clusters: stable areas with low divorce rates, high-divorce regions driven predominantly by economic hardship, and high-divorce regions primarily caused by household disputes. These actionable insights provide a data-driven foundation for local governments to design targeted intervention programs, such as financial management education and conflict mediation services. Keywords: K-Medoids Clustering, Divorce Rate, West Java. Abstrak. Tingkat perceraian di Jawa Barat, Indonesia, terus meningkat setiap tahunnya yang utamanya dipicu oleh faktor masalah ekonomi dan perselisihan. Untuk mendukung solusi kebijakan yang tepat sasaran, penelitian ini mengelompokkan kabupaten dan kota di Jawa Barat berdasarkan data perceraian tahun 2023 menggunakan algoritma K-Medoids Clustering. Proses pengelompokan dimulai dengan pengumpulan dan pra-pemrosesan data perceraian, yang meliputi penanganan data hilang (missing values), pencilan, dan standarisasi variabel. Uji Kaiser-Meyer-Olkin (KMO) dilakukan untuk memverifikasi kecukupan sampel dan memastikan tidak terdapat multikolinearitas. Jumlah cluster optimal dievaluasi menggunakan Silhouette Coefficient, dilanjutkan dengan penerapan algoritma K-Medoids untuk mengelompokkan wilayah berdasarkan profil perceraiannya. Hasil penelitian divisualisasikan melalui scatter plot dan peta tematik. Temuan ini mengategorikan wilayah Jawa Barat ke dalam tiga cluster berbeda: wilayah stabil dengan angka perceraian rendah, wilayah angka perceraian tinggi didominasi faktor ekonomi, dan wilayah angka perceraian tinggi yang disebebkan perselisihan rumah tangga. Insight ini memberikan dasar keputusan berbasis data bagi pemerintah daerah untuk merancang program intervensi terfokus, seperti edukasi manajemen keuangan dan layanan mediasi konflik. Kata Kunci: K-Medoids Clustering, Tingkat Perceraian, Jawa Barat.