ANALISIS TINGKAT KEMISKINAN DENGAN ALGORITMA K-MEANS MENGGUNAKAN RAPIDMINER DI TINGKAT KOTA KABUPATEN DI JAWA TENGAH
DOI:
https://doi.org/10.24076/joism.2025v7i1.2084Keywords:
Kemiskinan, Algoritma K-Means, RapidMiner, Jawa Tengah, Clustering, Davies-Bouldin IndexAbstract
Permasalahan kemiskinan di Provinsi Jawa Tengah masih menjadi isu krusial yang membutuhkan penanganan berbasis data yang akurat dan terstruktur. Ketiadaan pemetaan yang tepat sering kali menyebabkan distribusi bantuan sosial tidak efektif dan tidak menyentuh kelompok masyarakat yang paling membutuhkan. Penelitian ini bertujuan untuk mengidentifikasi pola kemiskinan antar wilayah kota atau kabupaten di Jawa Tengah dengan memanfaatkan algoritma K-Means melalui platform RapidMiner. Analisis dilakukan terhadap data sekunder dari Badan Pusat Statistik periode 2020–2024, mencakup berbagai indikator seperti garis kemiskinan, persentase penduduk miskin, tingkat pengangguran, serta akses terhadap air bersih, sanitasi, dan bantuan sosial. Proses analisis mengikuti tahapan Knowledge Discovery in Databases, dari pemilihan data hingga evaluasi hasil. Penelitian ini menghasilkan lima kelompok kemiskinan dengan akurasi klaster tinggi berdasarkan nilai Davies-Bouldin Index sebesar 0,009. Hasil pengelompokan ini memberikan gambaran yang lebih objektif tentang distribusi kemiskinan di Jawa Tengah dan dapat dimanfaatkan sebagai dasar perumusan kebijakan yang lebih tepat sasaran dan efisien dalam upaya pengentasan kemiskinan.
References
[1] A. Khalif dkk., “Klasterisasi Tingkat Kemiskinan di Indonesia Menggunakan Algoritma K-Means.”
[2] W. Setya dan A. Nugraha, “Clustering Pemetaan Tingkat Kemiskinan di Provinsi Jawa Barat Menggunakan Algoritma K-Means,” Jurnal Ilmiah Wahana Pendidikan, Januari, vol. 2023, no. 2, hlm. 234–244, doi: 10.5281/zenodo.7567622.
[3] S. N. Mayasari dan J. Nugraha, “Implementasi K-Means Cluster Analysis untuk Mengelompokkan Kabupaten/Kota Berdasarkan Data Kemiskinan di Provinsi Jawa Tengah Tahun 2022,” 2023. [Daring]. Tersedia pada: https://jateng.bps.go.id/.
[4] D. Fuji Astri, “CLUSTERING PENDUDUK MISKIN MENGGUNAKAN ALGORITMA K-MEANS PADA WILAYAH JAWA BARAT,” 2024.
[5] Irfan dan L. Faizal, “Implementasi Algoritma K-Means untuk Mengelompokkan Data Tingkat Kemiskinan di Sulawesi Selatan Berdasarkan Kota/Kabupaten,” Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI), vol. 7, no. 2, hlm. 261–269, Okt 2024, doi: 10.57093/jisti.v7i2.220.
[6] R. Astuti dan F. M. Basysyar, “PENGELOMPOKKAN JUMLAH PENDUDUK MISKIN DI JAWA BARAT MENGGUNAKAN ALGORITMA K-MEANS,” 2024. [Daring]. Tersedia pada: https://data.go.id/home.
[7] K. Balai, S. Daerah, B. Diy Dengan Badan, P. Statistik, dan P. Diy, “LAPORAN AKHIR ANALISIS KRITERIA DAN INDIKATOR KEMISKINAN MULTIDIMENSI UNTUK DIAGNOSTIK KEMAJUAN DAERAH DI DAERAH ISTIMEWA YOGYAKARTA,” 2017.
[8] M. M. Alif, F. Ramdani, dan W. Purnomo, “Pengembangan Plugin QGIS Untuk Mengakses Peta Geologis Seluruh Indonesia,” 2020. [Daring]. Tersedia pada: http://j-ptiik.ub.ac.id
[9] E. Dwiguna dan A. Bahtiar, “PENERAPAN DATA MINING UNTUK MENENTUKAN PENERIMA BANTUAN BLT MENGGUNAKAN METODE CLUSTERING K-MEANS PADA DESA PAMULIHAN,” 2024.
[10] I. Manfaati Nur, M. Rizky, dan S. Putri Milasari, “Pengelompokan Tingkat Kemiskinan di Provinsi Jawa Barat dengan Metode K-Means Clustering Info Artikel,” vol. 1, no. 2, hlm. 51–61, 2023, doi: 10.26714/jodi.
[11] N. Sukarno Wijaya, M. Jajuli, dan B. A. Dermawan, “PENERAPAN ALGORITMA K-MEANS CLUSTERING DALAM MENENTUKAN DAERAH PRIORITAS PENANGANAN KEMISKINAN DI WILAYAH JAWA TIMUR,” 2024.
[12] U. Saidata Aesyi, “ANALISIS TINGKAT KEBERMANFAATAN MYPERTAMINA MENGGUNAKAN K-MEANS CLUSTERING,” 2023.
[13] M. Astriani, M. Hamu, dan A. C. Talakua, “Optimalisasi Manajemen Bantuan Sosial Dengan Implementasi Data Mining Menggunakan Algoritma K-Means Clustering,” 2024.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Journal of Information System Management (JOISM)
This work is licensed under a Creative Commons Attribution 4.0 International License.
