PENGELOMPOKAN PENDUDUK MISKIN MENGGUNAKAN METODE K-MEANS CLUSTERING
(STUDI KASUS : PROVINSI JAWA BARAT)
Kata Kunci:
Analisis Pengelompokan, Algoritma K-Means, Penduduk MiskinAbstrak
Analisis merupakan suatu metode yang bertujuan untuk mengelompokkan objek-objek dengan karakteristik yang mirip ke dalam satu klaster, sementara objek dengan karakteristik yang berbeda ditempatkan di klaster lain. Sedangkan Algoritma merupakan salahh satu metode yang bertujuan untuk meminimalkan fungsi dengan mengurangi variasi antara data dalam satu klaster dan memaksimalkan variasi data di klaster lainnya. Penelitian ini mengangkat permasalahan kemiskinan di Provinsi Jawa Barat. Salah satu permasalahan yang belum teratasi dalam kemiskinan adalah ketidaksesuaian hasil survei pemerintah dengan jumlah pencari kerja yang kian banyak namun masih kurangnya lapangan pekerjaan yang ada pada provinsi Jawa Barat. Tantangan dalam penanganan kemiskinan oleh pemerintah adalah ketidakmerataan dan sulitnya mencari lapangan pekerjaan. Pengumpulan data pada penelitian ini menggunakan dataset penduduk Provinsi Jawa Barat tahun 2022, dataset ini diambil dari Badan Pusat Statistik ( ) dan terdiri dari 9 kolom dan data yang dipakai adalah penduduk_miskin dan jumlah_pencari_kerja. Selanjutnya dilakukan pencarian nilai K yang optimal menggunakan metode dan dimana menghasilkan 2 klaster yakni klaster 0 dan klaster 1. Penelitian ini akan menggunakan metode untuk melakukan pendugaan atau prediksi jumlah penduduk yang tergolong miskin dengan menghitung data yang diperoleh dari . Penelitian ini bertujuan untuk menghasilkan klasterisasi penduduk yang tergolong miskin, sehingga pemerintah dapat mengetahui daerah mana saja yang harus menjadi fokus perhatian di Provinsi Jawa Barat. Hasil dari klasterisasi mengidikasikan bahwa kluster 0 dikelompokan sebagai penduduk miskin pada Kabupaten & Kota Provinsi Jawa Barat diantaranya kabupaten Ciamis, Kabupaten Kuningan, Kabupaten Sumedang, Kabupaten Bandung Barat, Kabupaten Pangandaran, Kota Bogor, Kota Sukabumi, Kota Bandung, Kota Cirebon, Kota Bekasi, Kota Depok, Kota Cimahi, Kota Tasikmalaya, Kota Banjar.
