Pengelompokan Kabupaten/Kota Berdasarkan Jumlah dan Persentase Penduduk Miskin di Provinsi Sumatera Utara menggunakan Algoritma K-Means

Fahmi Firzada; Saifullah Saifullah; Eka Irawan; Wendi Robiansyah

doi:10.59061/jentik.v4i3.1620

Authors

Fahmi Firzada STIKOM Tunas Bangsa Pematangsiantar
Saifullah Saifullah STIKOM Tunas Bangsa Pematangsiantar
Eka Irawan STIKOM Tunas Bangsa Pematangsiantar
Wendi Robiansyah STIKOM Tunas Bangsa Pematangsiantar

DOI:

https://doi.org/10.59061/jentik.v4i3.1620

Keywords:

Clustering, K-Means, North Sumatra, Poverty, RapidMiner

Abstract

Poverty is a social problem that has widespread impacts on society and remains a major concern for governments in their efforts to improve public welfare. This study aims to cluster districts and cities in North Sumatra Province based on the number and percentage of poor people using the K-Means Clustering algorithm. The data were obtained from Statistics Indonesia (BPS) and cover the period from 2019 to 2023. The K-Means algorithm was applied to group regions according to similarities in their poverty characteristics, particularly the number and percentage of poor people. The clustering process was implemented using RapidMiner software to facilitate data processing, analysis, and visualization of the resulting clusters. The findings indicate that K-Means can group districts and cities with similar poverty characteristics, providing an overview of the distribution of poverty across North Sumatra Province. The resulting clusters can serve as supporting information for the regional government in identifying areas that require greater attention and developing more targeted poverty alleviation policies. This study is expected to support more effective resource allocation and contribute to the formulation of sustainable poverty reduction strategies tailored to regional conditions and development priorities.

References

Agustina, I., & Dana, R. D. (2024). Implementasi K-Means clustering untuk pengelompokan tingkat kemiskinan di Pulau Jawa menggunakan bahasa pemrograman Python. JATI (Jurnal Mahasiswa Teknik Informatika). https://doi.org/10.36040/jati.v8i1.8858

Alifah, A. (2019). Pemetaan kemiskinan kabupaten/kota di Provinsi Jawa Tengah menggunakan algoritma K-Means. Seminar Nasional Edusainstek.

Anita, Y. (2024). Penerapan algoritma K-Means untuk clustering data penduduk miskin per kabupaten/kota di Pulau Sumatera. Repository Fakultas Ilmu Komputer Sriwijaya.

Bantun, S., Sari, Y., Jayanti, Z., Noorhasanah, Syahrul, & Priambodo, D. F. (2022). Pengembangan sistem informasi pada Dinas Sosial Kabupaten Kolaka guna menunjang keberhasilan pelayanan sosial pada masyarakat berbasis web. Info Kripto, 16(2), 59–68. https://doi.org/10.56706/ik.v16i2.46

Haumahu, G., & Matdoan, M. Y. (2022). Algoritma K-Medoids clustering untuk mengelompokkan tingkat kemiskinan pada kabupaten dan kota di Kepulauan Maluku dan Papua. Variance: Journal of Statistics and Its Applications, 4(2), 81–87. https://doi.org/10.30598/variancevol4iss2page81-87

Isyarah, F., Hasan, A., & Wiza, F. (2020). Clustering daerah miskin di Provinsi Riau menggunakan metode K-Means. Prosiding Seminar Nasional Teknologi Informasi & Ilmu Komputer (SEMASTER).

Kasim, R. J., Bahri, S., & Amir, S. (2021). Implementasi metode K-Means untuk clustering data penduduk miskin dengan systematic random sampling. SISFOTEK (Sistem Informasi dan Teknologi).

Maulida, R., Haryadi, D., Counsela, S. R., & Zahra, N. R. A. (2024). Implementasi algoritma K-Means dan RapidMiner untuk clustering data kemiskinan Provinsi Banten. Journal of Informatics and Communications Technology (JICT), 6(1). https://doi.org/10.52661/j_ict.v6i1.246

Nugraha, T. S., Kurniawan, R., & Wijaya, Y. A. (2024). Analisis data Program Keluarga Harapan pada tingkat kemiskinan dengan menggunakan Fuzzy C-Means di Kecamatan Pabedilan. JATI (Jurnal Mahasiswa Teknik Informatika, 8(1). https://doi.org/10.36040/jati.v8i1.8371

Novitasari, N., Nuris, N. D., & Herdiana, R. (2023). Penerapan algoritma K-Means untuk clustering data jumlah penduduk miskin berdasarkan kota/kabupaten di Jawa Barat menggunakan RapidMiner. Jurnal Informatika Terpadu, 9(1). https://doi.org/10.54914/jit.v9i1.660

Nurohmah, Y., Mayasari, R., & Sari, B. N. (2023). Optimalisasi performa K-Means clustering dengan PCA dalam analisis tingkat kemiskinan di Jawa Barat. JATI (Jurnal Mahasiswa Teknik Informatika, 7(3). https://doi.org/10.36040/jati.v7i3.6884

Oktaviany, N., Suarna, N., & Prihartono, W. (2024). Implementasi algoritma K-Means clustering dalam mengelompokkan kepadatan penduduk di Provinsi DKI Jakarta. JATI (Jurnal Mahasiswa Teknik Informatika). https://doi.org/10.36040/jati.v8i1.8241

Rahadian, D. R., & Nurmalitasari. (2023). Analisis kemiskinan menggunakan metode algoritma clustering K-Means. Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB).

Safitri, A., Rahmawati, R., & Wandira, S. A. (2024). Pengelompokan data penduduk miskin di Sumatera Utara menggunakan K-Means. J-Com (Journal of Computer), 4(1). https://doi.org/10.33330/j-com.v4i1.2998

Saputra, A. K., Fahrizal, & Mico. (2021). Rancang bangun berbasis web CRM (Customer Relationship Management): Studi kasus PT Budi Berlian Motor Hajimena Bandar Lampung. Portaldata.org, 1–31.

Sembiring, Y. R., Saifullah, & Winanjaya, R. (2021). Implementasi data mining dalam mengelompokkan jumlah penduduk miskin berdasarkan provinsi menggunakan algoritma K-Means. KESATRIA: Jurnal Penerapan Sistem Informasi (Komputer & Manajemen).

Sepriyanti, N., Nahampun, R. S., & Zikri, M. H. (2022). Penerapan K-Means clustering untuk mengelompokkan tingkat kemiskinan di Provinsi Riau. SENTIMAS (Seminar Nasional Penelitian dan Pengabdian Masyarakat).

Sitorus, Z., & Suhartika. (2024). Penerapan data mining untuk clustering penduduk miskin di Kota Tanjungbalai menggunakan metode algoritma K-Means. Journal of Science and Social Research.

Thira, I. J. (2019). Peramalan data kunjungan wisatawan. Jurnal Edukasi dan Penelitian Informatika.

Wijaya, N. S., Jajuli, M., & Dermawan, B. A. (2024). Penerapan algoritma K-Means clustering dalam menentukan daerah prioritas penanganan kemiskinan di wilayah Jawa Timur. JATI (Jurnal Mahasiswa Teknik Informatika, 8(4). https://doi.org/10.36040/jati.v8i4.10248

Zalukhu, A., Swingly, Purba, Darma, & Dedi. (2023). Perangkat lunak aplikasi pembelajaran flowchart. Jurnal Teknologi, Informasi dan Industri.

Zilfi, E. M., Istiawan, D., Ngatimin, Zaenah, & Nahdluddin. (2021). Penentuan pusat awal klaster algoritma K-Means untuk pengelompokan kabupaten/kota di Jawa Timur berdasarkan tingkat kemiskinan. Journal of Applied Statistics & Data Mining, 2(1). https://doi.org/10.63229/jasdm.v2i1.18

Zunaida Sitorus, & Suhartika. (2024). Penerapan data mining untuk clustering penduduk miskin di Kota Tanjungbalai menggunakan metode algoritma K-Means. Journal of Science and Social Research.