<![CDATA[Usaha Mikro, Kecil, dan Menengah (UMKM) memegang peranan krusial dalam menopang perekonomian Indonesia, sehingga pendekatan berbasis data menjadi kebutuhan penting untuk mendukung perumusan kebijakan pengembangan yang lebih efektif. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja algoritma K-Means dan K-Medoids dalam melakukan pengelompokan data UMKM di Kabupaten Garut. Berbeda dengan sebagian besar penelitian terdahulu yang menentukan konfigurasi cluster menggunakan satu indeks validitas internal, penelitian ini mengintegrasikan tiga indeks validitas internal, yaitu Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Index melalui pendekatan ranking multi-metrik untuk memperoleh evaluasi konfigurasi cluster yang lebih komprehensif. Data yang digunakan bersumber dari Dinas Koperasi, UMKM, dan BMT Kabupaten Garut dan telah melalui tahap prapemrosesan. Eksperimen dilakukan pada rentang jumlah cluster k=2 hingga k=8. Hasil penelitian menunjukkan bahwa konfigurasi terbaik K-Means diperoleh pada k=6, sedangkan K-Medoids pada k=7. Pada konfigurasi optimal tersebut, K-Means secara keseluruhan menghasilkan kualitas cluster yang lebih baik dibandingkan dengan K-Medoids. Penelitian ini menunjukkan bahwa penggunaan beberapa indeks validitas internal secara terpadu dapat memberikan dasar yang lebih objektif dalam menentukan konfigurasi cluster yang optimal serta mendukung segmentasi UMKM sebagai acuan penyusunan program pembinaan yang lebih tepat sasaran.]]>
Copyrights © 2026
