Implementasi K-Means Cluster Analysis untuk Mengelompokkan Kabupaten/Kota Berdasarkan Data Kemiskinan di Provinsi Jawa Tengah Tahun 2022
DOI:
https://doi.org/10.24002/konstelasi.v3i2.7200Keywords:
poverty, grouping, K-Means cluster analysisAbstract
Abstrak. Salah satu masalah utama yang masih dihadapi oleh Indonesia adalah masalah kemiskinan. Jawa Tengah merupakan Provinsi termiskin kedua di Pulau Jawa, walaupun pada tahun 2022 masih berada di atas rata-rata tingkat kemiskinan nasional. Pemetaan secara lebih detail di tingkat Kabupaten/Kota diperlukan untuk memudahkan dalam mengenali tingkat kemiskinan suatu wilayah serta mengetahui daerah mana yang membutuhkan bantuan, sehingga pemerintah dapat secara tepat dan cepat mengambil kebijakan untuk mengatasi kemiskinan di daerah tersebut. Tujuan dari penelitian ini adalah untuk mengelompokan Kabupaten/Kota di Provinsi Jawa Tengah berdasarkan data kemiskinan guna mengetahui karakteristik dari masing-masing wilayah. Penelitian ini dilakukan dengan menggunakan metode K-Means Cluster Analysis yaitu salah satu metode yang dapat digunakan untuk mengelompokan kategori kemiskinan Kabupaten/Kota di Provinsi Jawa Tengah. Data yang digunakan yaitu jumlah penduduk miskin, laju pertumbuhan penduduk, dan tingkat pengangguran terbuka tahun 2022 yang diperoleh dari Website Badan Pusat Statistik Provinsi Jawa Tengah. Hasil dari penelitian dengan mengelompokkan Kabupaten/Kota ke dalam 3 cluster, yaitu didapatkan anggota dari cluster 1 terdiri dari 12 Kabupaten/Kota dengan kategori kemiskinan rendah, cluster 2 terdiri dari 7 Kabupaten/Kota dengan kategori kemiskinan tinggi, dan cluster 3 terdiri dari 16 Kabupaten/Kota dengan kategori kemiskinan sedang.
Abstract. One of the main problems that Indonesia is still facing is the problem of poverty. Central Java is the second poorest province on the island of Java, even though in 2022 it was still above the national average poverty rate. Mapping in more detail at the Regency/City level is needed to make it easier to identify the poverty level of an area and to know which areas need assistance, so that the government can make appropriate and fast policies to address poverty in that area. The purpose of this research is to classify districts/cities in Central Java province based on poverty data to determine the characteristics of each region. This research was conducted using the K-Means Cluster Analysis method, which is a method that can be used to classify district/city poverty categories in Central Java Province. The data used are the number of poor people, the rate of population growth, and the open unemployment rate in 2022 obtained from the Central Java Province Statistics Agency website. The results of the study grouped districts/cities into 3 clusters, namely the members of cluster 1 consisted of 12 regencies/cities with a low poverty category, cluster 2 consisted of 7 regencies/cities with a high poverty category, and cluster 3 consisted of 16 regencies/cities with moderate poverty category.
References
S. E. Pujiana, I. P. Sari, V. M. Mardika and M. Putri, "Analisis Algoritma Back Propagation Dalam Prediksi Angka Kemiskinan Di Indonesia," Pendekar : Jurnal Pendidikan Berkarakter, vol. III, pp. 11-17, 2020.
N. P. A. P. Margareni, I. K. Djayasta and I. G. W. M. Yasa, "Faktor-Faktor yang Mempengaruhi Kemiskinan di Provinsi Bali," PIRAMIDA, vol. XII, no. 1, pp. 101-110, 2016.
T. Alawiyah and F. Setiawan, "Pengentasan KemiskinanBerbasis Kearifan Lokal pada Masyarakat Desa," Jurnal Sosiologi USK, vol. V, no. 2, pp. 131-154, 2021.
S. Royat, Kebijakan Pemerintah dalam. Penangulangan Kemiskinan., Jakarta: Menko Kesra Bidang Koordinasi Pengangulan Kemiskinan, 2015.
A. Alifah, H. Yozza and Y. Asdi, "Faktor-Faktor Yang Mempengaruhi Kemiskinan Di Kota/Kabupaten Provinsi Sumatera Barat Dengan Menggunakan Analisis Regresi Panel," Jurnal Matematika UNAND, pp. 53-61, 2020.
"Kemiskinan 2020-2022," Badan Pusat Statistik Jawa Tengah, [Online]. Available: https://jateng.bps.go.id/indicator/23/34/1/kemiskinan.html.
T. Christianto, "Determinan dan Karakteristik Kemiskinan di Provinsi Riau," ISSN : 1978 – 3612, vol. VII, no. 2, 2017.
W. A. Saputra, Analisis Pengaruh Jumlah Penduduk, PDRB, IPM, Pengangguran terhadap Tingkat Kemiskinan di Kabupaten / Kota Jawa Tengah, Semarang: Universitas Diponegoro , 2011.
H. Siregar and D. Wahyuniarti, "Dampak Pertumbuhan Ekonomi Terhadap Penurunan Jumlah Penduduk Miskin," Prosiding Seminar Nasional Meningkatkan Peran Sektor Pertanian dan Penanggulangan Kemiskinan, pp. 23-34, 2008.
N. V. Suryani and A. K. Putri, "Trend Laju Pertumbuhan Penduduk Dan Kemiskinan Di Provinsi Kepulauan Bangka Belitung," Holistic Journal of Management Research, vol. I, no. 1, pp. 27-38, 2020.
A. B. M. Bintang and N. Woyanti, "Pengaruh PDRB, Pendidikan, Kesehatan, Dan Pengangguran Terhadap Tingkat Kemiskinan Di Jawa Tengah (2011-2015)," Media Ekonomi dan Manajemen, vol. 33, no. 1, pp. 20-28, 2018.
P. O'Campo, A. Molnar, E. Ng, E. Renahy, C. Mitchell, K. Shankardass , A. S. John, C. Bambra and C. Muntane, "Social welfare matters: a realist review of when, how, and why unemployment insurance impacts poverty and health," Social Science & Madicine, pp. 88-94, 2015.
T. R. Akbar, Pengaruh Jumlah Penduduk, Tingkat Pengangguran, dan Tingkat Pendidikan Terhadap Kemiskinan, Jawa Timur: Universitas Pembangunan Nasional Veteran Jawa Timur, 2013.
R. Hidayat, Analisis Klaster dengan Metode Hierarchical Clustering dan NonHierarchical Clustering pada Pengelompokan Kabupaten/Kota di Jawa Tengah Berdasarkan Faktor-Faktor yang Mempengaruhi Kemiskinan, Semarang: Perpus UNIMUS, 2017.
R. Hidayat, R. Wasono and M. Y. Darsyah, "Pengelompokan Kabupaten/Kota Di Jawa Tengah Menggunakan Metode K-Means Dan Fuzzy C-Means," Seminar Nasional Pendidikan, Sains dan Teknologi, pp. 240-250, 2017.
A. Alifah, "Pemetaan Kemiskinan Kabupaten/Kota Di Provinsi Jawa Tengah Menggunakan Algoritma K-Means," Seminar Nasional Edusainstek FMIPA UNIMUS 2019, pp. 553-557, 2019.
Y. Agusta, "K-means - Penerapan, Permasalahan dan Metode Terkait," Jurnal Sistem dan Informatika, vol. III, no. 3, pp. 47-60, 2007.
R. E. Walpole, Introduction to Statistics, New York : Macmillan ; London : Collier Macmillan, 1982.
J. F. H. JR., W. C. Black, B. J. Babin and R. E. Anderson, Multivariate Data Analysis Sixth Edition, New Jersey: Pearson Education,Inc, 2006.
L. Rahmawati, A. and T. E. Lestari, Analisis Kelompok Dengan Menggunakan Metode Hierarki Untuk Pengelompokan Kabupaten/Kota Di Jawa Timur Berdasarkan Indikator Kesehatan, Jawa Barat: Universitas Negeri Malang, 2013.
T. S. Madhulatha, "An Overview On Clustering Methods," IOSR Journal of Engineering, pp. 719-725, 2012.
I. Y. Purwananto and R. Soelaiman, "Optimasi Kinerja Algoritma Klasterisasi K-Means Untuk Kuantisasi Warna Citra," Jurnal Teknik ITS, vol. I, no. 1, pp. 197-202, 2012.
E. Prasetyo, Data Mining Konsep dan Aplikasi Menggunakan Matlab, Yogyakarta: Andi Offset, 2012.
J. MacQueen, "Some Methods for Classification and Analysis of Multivariate Observations," Proceedings of the 5th Berkeley Symposium on Mathematical Statistics and Probability, vol. V, no. 1, pp. 281-297, 1967.
Ediyanto, M. N. Mara and N. Satyahadewi, "Pengklasifikasian Karakteristik Dengan Metode K-Means Cluster Analysis," Buletin Ilmiah Mat. Stat dan Terapannya (Bimaster), vol. II, no. 2, pp. 133-136, 2013.
J. Supranto, Analisis Multivariat Arti & Interpretasi, Jakarta: PT RINEKA CIPTA, 2004.
