Pengelompokan Kabupaten di Indonesia untuk Pemetaan Pendapatan Daerah Menggunakan Algoritma K-Means: Clustering of Regencies in Indonesia for Regional Revenue Mapping Using the K-Means Algorithm

Gustri Romi Wahyudi; Rahmaddeni Rahmaddeni; Ema Dini; Sukri Adrianto; Rahmasari Fadila

doi:10.57152/malcom.v5i3.2206

Authors

Gustri Romi Wahyudi Universitas Sains dan Teknologi Indonesia
Rahmaddeni Rahmaddeni Universitas Sains dan Teknologi Indonesia
Ema Dini Universitas Sains dan Teknologi Indonesia
Sukri Adrianto Universitas Dumai
Rahmasari Fadila Universitas Sains dan Teknologi Indonesia

DOI:

https://doi.org/10.57152/malcom.v5i3.2206

Keywords:

Kabupaten/ Kota, Ketimpangan Ekonomi, Klasterisasi, K-Means, PDRB, Pembangunan Wilayah

Abstract

Kesenjangan ekonomi antarwilayah merupakan permasalahan penting dalam pembangunan Indonesia, yang salah satunya dapat dilihat melalui variasi Produk Domestik Regional Bruto (PDRB) pada tingkat Kabupaten/ Kota. Penelitian ini bertujuan untuk memetakan kondisi ekonomi daerah di Indonesia dengan mengelompokkan Kabupaten/ Kota berdasarkan nilai PDRB tahun 2024 menggunakan algoritma K-Means clustering. Data penelitian diperoleh dari Badan Pusat Statistik (BPS), kemudian melalui tahap pra-pemrosesan berupa pembersihan data dan normalisasi Min-Max. Jumlah klaster ditentukan sebanyak empat kelompok (Sangat Rendah, Rendah, Sedang, dan Tinggi) dengan dasar pembagian kuartil, sehingga menghasilkan klasifikasi yang lebih objektif dan representatif terhadap distribusi data. Hasil penelitian menunjukkan bahwa mayoritas kabupaten/kota termasuk dalam kategori Rendah dan Sedang, sedangkan kategori Tinggi didominasi wilayah dengan basis industri dan jasa yang lebih maju. Evaluasi menggunakan Silhouette Score menghasilkan nilai 0,778, yang menandakan kualitas klasterisasi cukup baik dengan pemisahan antarkelompok yang jelas. Temuan ini mengindikasikan masih adanya ketimpangan distribusi ekonomi antarwilayah. Penelitian ini berkontribusi dalam menyediakan kerangka klasifikasi ekonomi daerah berbasis data kuantitatif yang dapat digunakan sebagai acuan dalam perumusan kebijakan pembangunan yang lebih merata serta menjadi dasar bagi penelitian lanjutan yang mengintegrasikan variabel sosial-ekonomi lainnya.

Downloads

Download data is not yet available.

References

Badan Pusat Statistik, "Produk Domestik Regional Bruto Kabupaten/Kota 2019–2023," Jakarta: BPS, 2024.

Badan Pusat Statistik, "Pertumbuhan Ekonomi Triwulan II 2024," Jakarta: BPS, 2024.

W. N. Purba dan R. Hartanto, "Perbandingan penerapan algoritma K-Means dan Fuzzy C-Means dalam analisis clustering terhadap pergerakan harga historis saham Bank Rakyat Indonesia," J. Teknik Informasi dan Komputer (Tekinkom), vol. 7, no. 2, pp. 865–872, Des. 2024. DOI: https://doi.org/10.37600/tekinkom.v7i2.1214

A. F. Ningrum dan G. D. Ahadi, "Analisis klaster kabupaten/kota di Provinsi Jawa Timur berdasarkan laju PDRB dengan pendekatan K-Means," J. Kompetitif, vol. 8, no. 2, pp. 60–76, Sep. 2022. [Online]. Tersedia: https://kompetitif.unizar.ac.id/jkomp/article/view/5

C. Fitria, I. Amalia, dan M. Sitorus, "Analisis dan pengelompokan kota/kabupaten di Indonesia berdasarkan aspek sosial ekonomi menggunakan algoritma K-Means," Innotech: Jurnal Ilmu Komputer, Sistem Informasi dan Teknologi Informasi, vol. 2, no. 1, Jan. 2025. [Online]. Tersedia: https://ejournal.cyber-univ.ac.id/index.php/innotech/article/view/24

R. D. Faturahman dan N. Hidayati, "Implementasi Fuzzy C-Means dalam pengelompokan tingkat kemiskinan pada kabupaten/kota di Provinsi Jawa Tengah," JIPI, vol. 10, no. 1, 2025. DOI: https://doi.org/10.29100/jipi.v10i1.5747

D. Sulaiman, R. A. Al-Haritz, F. A. Saputra, dan A. Irawan, "Analisis klaster negara berdasarkan indikator sosial-ekonomi menggunakan Fuzzy C-Means dan K-Means," Rekursif: J. Informatika, vol. 12, no. 2, pp. 76–87, 2025. [Online]. Tersedia: https://ejournal.unib.ac.id/rekursif/article/view/38116

E. Widodo, P. Ermayani, L. N. Laila, dan A. T. Madani, "Pengelompokan provinsi di Indonesia berdasarkan tingkat kemiskinan menggunakan analisis hierarchical agglomerative clustering," Semin. Nas. Off. Stat., vol. 2, pp. 557–566, 2021. DOI: https://doi.org/10.34123/semnasoffstat.v2021i1.971

F. D. Astuti, "Implementasi Fuzzy C-Means untuk clustering penduduk miskin (studi kasus: Kecamatan Bantul)," Teknomatika: J. Informatika dan Komputer, vol. 9, no. 1, pp. 59–70, 2020. [Online]. Tersedia: https://ejournal.stkippgritulungagung.ac.id/index.php/jipi/article/view/5747

S. Santosa dan M. A. Sopiyah, "Implementasi K-Means clustering untuk segmentasi data ekonomi," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 6, no. 2, pp. 115–122, 2019.

D. Rahmalia dan H. Hendrayati, "Segmentasi wilayah berdasarkan indeks pembangunan menggunakan K-Means," Jurnal Informatika Mulawarman, vol. 16, no. 1, pp. 45–52, 2021.

M. Lestari, "Penerapan K-Means clustering pada data sosial ekonomi kabupaten/kota di Indonesia," Jurnal Sains dan Teknologi, vol. 5, no. 2, pp. 67–75, 2020.

A. P. Sari dan T. Widiantoro, "Penerapan metode K-Means untuk pengelompokan data mahasiswa berdasarkan lama studi," Jurnal Pilar Nusa Mandiri, vol. 16, no. 1, pp. 83–88, 2020.

R. Wulandari dan H. Nugroho, "Penerapan K-Means untuk klasterisasi kabupaten di Jawa Tengah berdasarkan indikator ekonomi," Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 2, pp. 123–132, 2020.

S. Pratama dan A. Maulana, "Visualisasi klasterisasi menggunakan PCA pada data sosial ekonomi Indonesia," Jurnal Sistem Informasi dan Sains Data, vol. 5, no. 1, pp. 45–54, 2021.

D. Lestari, M. Ramadhan, dan N. Fadhilah, "Analisis klaster PDRB dengan metode K-Means untuk perencanaan pembangunan daerah," Jurnal Ekonomi dan Pembangunan Indonesia, vol. 22, no. 1, pp. 67–78, 2022.

A. A. Putra dan R. Yanuar, "Pengelompokan wilayah di Provinsi Banten berdasarkan indeks pembangunan manusia menggunakan metode K-Means," Jurnal Teknik Informatika (JUTIF), vol. 2, no. 1, pp. 42–48, 2021.

D. Abdullah, A. S. Sunge, dan A. T. Zy, "The application of K-means clustering for province classification based on COVID-19 cases in Indonesia," J. Comput. Networks, Archit. High Perform. Comput., vol. 6, no. 3, pp. 1055–1065, Jul. 2024.

R. Wahyuni, "K-Means clustering for grouping Indonesia underdeveloped regions in 2020 based on poverty indicators," Parameter: J. Stat., vol. 2, no. 1, pp. 8–15, Des. 2021.

H. Mulyani, "Clustering area COVID-19 Indonesia with K-Means clustering method," J. Inf. Technol. Its Util., vol. 5, no. 2, pp. 42–50, Des. 2022.

A. S. Rangkuti, "Implementation of K-Means clustering in poverty analysis of regency/city in Sumatera Island in 2023," Jurnal Ilmiah Sistem Informasi dan Teknologi Terapan Indonesia (SINTESA), vol. 2, no. 1, pp. 45–55, 2025.

L. A. Pratiwi dan R. Wulandari, "Implementasi algoritma K-Means pada pengelompokkan ketahanan pangan di Indonesia menurut kabupaten/kota," Prosiding Seminar Nasional Data Analytics (SENADA), vol. 2, pp. 161–170, 2024.

Y. D. Rumabar, "Clustering kabupaten/kota di Provinsi Papua berdasarkan produk domestik regional bruto tokoh lapangan usaha menggunakan single linkage dan K-medoids," Jurnal Gaussian, vol. 13, no. 2, pp. 155–166, 2024.