Kemiskinan di Provinsi Sumatera Utara menunjukkan persebaran yang tidak merata antarwilayah, sementara analisis statistik konvensional sering mengabaikan hubungan ketetanggaan spasial. Penelitian ini bertujuan mengidentifikasi dan memetakan klaster wilayah miskin untuk mendukung perumusan kebijakan pengentasan kemiskinan yang lebih terintegrasi. Metode yang digunakan adalah pemodelan graf ketetanggaan dengan 33 simpul kabupaten/kota dan 61 sisi perbatasan darat yang dikombinasikan dengan algoritma Breadth-First Search (BFS). Ambang batas kemiskinan ditentukan berdasarkan rata-rata persentase penduduk miskin kabupaten/kota sebesar 9,08%. Hasil penelitian mengklasifikasikan 10 wilayah sebagai Wilayah Miskin, 16 wilayah sebagai Wilayah Rentan, dan 7 wilayah sebagai Wilayah Sejahtera. Algoritma BFS berhasil mengidentifikasi lima klaster wilayah miskin, yaitu Batu Bara, Kepulauan Nias, Samosir, Sibolga–Tapanuli Tengah, dan Tanjung Balai. Berdasarkan analisis skor prioritas, Klaster Kepulauan Nias teridentifikasi sebagai prioritas awal intervensi karena memiliki tingkat kemiskinan dan jumlah penduduk miskin yang relatif lebih tinggi dibandingkan klaster lainnya. Hasil penelitian menunjukkan bahwa pendekatan berbasis graf dan algoritma BFS efektif dalam mengidentifikasi keterhubungan spasial serta mengekstraksi klaster kemiskinan sebagai informasi pendukung penentuan prioritas intervensi pengentasan kemiskinan.
Copyrights © 2026