Penerapan Algoritma K-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten di Jawabarat menggunakan Rapidminer

Abstract

Kemiskinan saat ini menjadi satu-satunya masalah yang dihadapi setiap daerah. Seperti yang terjadi di Kota/Kabupaten Jawa Barat yang masih terlihat. Kemiskinan sendiri merupakan suatu kondisi dimana standar hidupnya seseorang benar-benar kurang mampu dalam memenuhi kebutuhan pokok hidupnya. Menurut informasi yang diperoleh website open data jabar, terdapat 513 data di Kota/Kabupaten Jawa Barat pada tahun 2002 s/d 2020, jumlah penduduk miskin di banyak Kota/Kabupaten di Jawa Barat semakin meningkat. Dengan demikian, metode yang digunakan dalam penelitian ini untuk melakukan pengelompokan data menggunakan metode K-Means Clustering yang akan diimplementasikan pada Rapidminer. Dikarenakan Algoritma K-Means merupakan Algoritma yang efektif untuk menganalisis data dalam jumlah besar. Jadi, bisa dilihat dari data yang akan dihasilkan ada beberapa variabel yang dibutuhkan, seperti kode Provinsi, nama Provinsi, kode Kota/Kabupaten, nama Kota/Kabupaten, jumlah penduduk miskin, satuan, dan tahun. Dari variabel data tersebut akan lebih mudah untuk menjalankannya. Sehingga penelitian ini akan menghasilkan beberapa cluster, yaitu hasil yang didapat oleh peneliti adalah cluster 4 karena cluster ini adalah hasil yang diambil dari nilai DBI yang terkecil dan terbaik dari beberapa cluster yang peneliti uji coba. Dari hasil cluster itulah akan terlihat data jumlah penduduk miskin berdasarkan kota/kabupaten yang memiliki tingkat kemiskinannya meningkat atau menurun dalam periode setiap tahunnya.