Perbandingan K-Means dan K-Medoids Pada Pengelompokan Data Miskin di Indonesia
Comparison of K-Means and K-Medoids on Poor Data Clustering in Indonesia
DOI:
https://doi.org/10.57152/malcom.v2i2.422Keywords:
Cluster, DBI, K-Means, K-Medoids, MiskinAbstract
Di Indonesia,masalah kemiskinan selalu menjadi pusat perhatian dan terus meningkat. Hal ini dapat menjadi hambatan baik di bidang ekonomi, sosial, maupun politik karena kurangnya perhatian pemerintah dalam menangani masalah tersebut. Pemerintah melakukan upaya untuk mengurangi angka kemiskinan dengan cara memberikan bantuan langsung tunai (BLT) dan kebijakan maupun program lainnya kepada masyarakat yang membutuhkan. Dalam penelitian ini, sumber data utama diperoleh dari website Badan Pusat Statistik (BPS) dari tahun 2014 hingga 2021. Penduduk miskin di Indonesia mencapai 26,50 juta jiwa atau sekitar 9,7% dan termasuk salah satu penduduk miskin terbesar di dunia. Pada penelitian ini dilakukan pengelompokan data penduduk miskin di Indonesia guna dapat memberikan informasi pada pemerintah mengenai gambaran wilayah miskin dengan angka tertinggi. Penelitian dilakukan dengan membandingan dua algoritma yaitu K-Means dan K-Medoids yang bertujuan untuk mengetahui hasil algoritma terbaik. Berdasarkan hasil penelitian, didapatkan bahwa algoritma K-Means lebih baik jika dibandingkan dengan K-Medoids dalam mengklasterisasi data miskin yang ada di Indonesia. Dibuktikan dengan nilai terbaik DBI K-means sebesar 0.041 dengan percobaan K=8.
References
D. N. Alfiansyah, V. R. S. Nastiti, and N. Hayatin, “Penerapan Metode K-Means pada Data Penduduk Miskin Per Kecamatan Kabupaten Blitar,” J. Repos., vol. 4, no. 1, pp. 49–58, 2022, doi: 10.22219/repositor.v4i1.1416.
I. Nasution, … A. W.-B. of I., and undefined 2020, “Penerapan Algoritma K-Means Dalam Pengelompokan Data Penduduk Miskin Menurut Provinsi,” ejurnal.seminar-id.com, vol. 2, no. 2, pp. 76–83, 2020, Accessed: Jun. 08, 2022. [Online]. Available: http://ejurnal.seminar-id.com/index.php/bits/article/view/492
G. Dwilestari, Mulyawan, Martanto, and I. Ali, “Analisis Clustering menggunakan K-Medoid pada Data Penduduk Miskin Indonesia,” JURSIMA J. Sist. Inf. dan Manaj., vol. 9, no. 3, pp. 282–290, 2021.
Febriyana, Analisis Klaster K-Means dan K-Median Pada Data Indikator Kemiskinan. 2011.
D. V. Ferezagia, “Analisis Tingkat Kemiskinan di Indonesia,” J. Sos. Hum. Terap., vol. 1, no. 1, pp. 1–6, 2018, doi: 10.7454/jsht.v1i1.6.
N. Normah, S. Nurajizah, and A. Salbinda, “Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Fashion Hijab Banten,” J. Tek. Komput. AMIK BSI, vol. 7, no. 2, pp. 158–163, 2021.
“View of Penerapan K-Means dan Fuzzy C-Means untuk Pengelompokan Data Kasus Covid-19 di Kabupaten Indragiri Hilir.” http://ejurnal.seminar-id.com/index.php/bits/article/view/1005/698 (accessed Jun. 10, 2022).
“Data Mining dan Penerapan Algoritma - Ni Luh Wiwik Sri Rahayu Ginantra, Fatimah Nur Arifah, Anggi Hadi Wijaya, Ri Sabti Septarini, Nazaruddin Ahmad, Dewa Putu Yudhi Ardiana, Faried Effendy, Akbar Iskandar, Hazriani Hazriani, Ika Yusnita Sari, Zelvi Gustiana, Cahyo Prianto, Dudih Gustian, Edi Surya Negara - Google Buku.” https://books.google.co.id/books?hl=id&lr=&id=v0gtEAAAQBAJ&oi=fnd&pg=PA5&dq=data+mining+terdiri+dari&ots=RiY4qCddgF&sig=ZzT8gop8Jcn04usrpi060G-Hn0g&redir_esc=y#v=onepage&q=data mining terdiri dari&f=false (accessed Jun. 28, 2022).
G. Gustientiedina, M. H. Adiya, and Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan,” J. Nas. Teknol. dan Sist. Inf., vol. 5, no. 1, pp. 17–24, 2019, doi: 10.25077/teknosi.v5i1.2019.17-24.
I. Kamila, U. Khairunnisa, and M. Mustakim, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau,” J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 5, no. 1, p. 119, 2019, doi: 10.24014/rmsi.v5i1.7381.
A. U. Fitriyadi, “Algoritma K-Means dan K-Medoids Analisis Algoritma K-Means dan K-Medoids Untuk Clustering Data Kinerja Karyawan Pada Perusahaan Perumahan Nasional,” Kilat, vol. 10, no. 1, pp. 157–168, 2021, doi: 10.33322/kilat.v10i1.1174.
R. Pujangga and A. S. Kurniawansyah, “Analisis Perbandingan Algoritma K-Means dan Algoritma K-Medoid Dalam Klasterisasi Penduduk Lanjut Usia Comparative Analysis of the K-Means Algorithm and the K-Medoid Algorithm in Clustering the Elderly Population,” vol. 2, no. 2, pp. 123–128, 2021.
V. A. P. Sangga, “Perbandingan algoritma K-Means dan algoritma K-Medoids dalam pengelompokan komoditas peternakan di provinsi Jawa Tengah tahun 2015,” 2018.
T. Alfina and B. Santosa, “Analisa Perbandingan Metode Hierarchical Clustering, K-Means dan Gabugan Keduanya dalam Membentuk Cluster Data (Studi Kasus?: Problem Kerja Praktek Jurusan Teknik Industri ITS),” Anal. PerbandinganMetode Hierarchical Clust. K-means dan Gabungan Keduanya dalam Clust. Data, vol. 1, no. 1, pp. 1–5, 2012.
I. Parlina, A. P. Windarto, A. Wanto, and M. R. Lubis, “Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center,” Memanfaatkan Algoritm. K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Cent. Untuk Clust. Progr. Sdp, vol. 3, no. 1, pp. 87–93, 2018.
Yuni Radana Sembiring, Saifullah, and Riki Winanjaya, “Implementasi Data Mining Dalam Mengelompokkan Jumlah Penduduk Miskin Berdasarkan Provinsi Menggunakan Algoritma,” KESATRIA J. Penerapan Sist. Inf. (Komputer Manajemen) Vol. 2, No. 2, vol. 2, no. 2, pp. 125–132, 2021.
“Santosa B.(2007). Data Mining (Teori dan Aplikasi).... - Google Cendekia.” https://scholar.google.com/scholar?hl=id&as_sdt=0%2C5&q=Santosa+B.%282007%29.+Data+Mining+%28Teori+dan+Aplikasi%29.+Graha+Ilmu%2C+Yogyakarta.&btnG= (accessed May 27, 2022).
R. Sari, D. H.-S. N. S. dan Teknologi, and undefined 2018, “Data Mining: Algoritma K-Means Pada Pengelompokkan Wisata Asing ke Indonesia Menurut Provinsi,” seminar-id.com, 2018, Accessed: Jun. 12, 2022. [Online]. Available: http://seminar-id.com/prosiding/index.php/sensasi/article/view/47
H. Zayuka, S. Michrandi Nasution, and Y. Purwanto, “Perancangan Dan Analisis Clustering Data Menggunakan Metode K-Medoids Untuk Berita Berbahasa Inggris Design And Analysis Of Data Clustering Using K-Medoids Method For English News”.
S. Butsianto and N. Saepudin, “Penerapan Data Mining Terhadap Minat Siswa Dalam Mata Pelajaran Matematika Dengan Metode K-Means,” J. Nas. Komputasi dan Teknol. Inf., vol. 3, no. 1, pp. 51–59, 2020, doi: 10.32672/jnkti.v3i1.2008.
S. D. Agustina, C. Bella, and M. A. Ramadhan, “Support vector regression algorithm modeling to predict the availability of foodstuff in Indonesia to face the demographic bonus,” in Journal of Physics: Conference Series, 2018, vol. 1028, no. 1, p. 12240.
