K-MEANS CLUSTERING DENGAN METODE ELBOW UNTUK PENGELOMPOKAN KABUPATEN DAN KOTA DI JAWA TIMUR BERDASARKAN INDIKATOR KEMISKINAN

PROSIDING SEMINAR NASIONAL HASIL RISET DAN PENGABDIAN || Inovasi, Teknologi dan Pendidikan Guna Mewujudkan Indonesia Sejahtera Di Era Industrialisasi 4.0 
21 Desember 2018 || ISBN: 978-602-5793-40-0
Penerbit : Adi Buana University Press
Penulis 1: Anita Fitria Febrianti
Penulis 2: Antonito Hornay Cabral
Penulis 3: Gangga Anuraga
PDF VERSI CETAK/ASLI

ABSTRAK

Provinsi Jawa Timur merupakan salah satu provinsi dengan kabupaten dan kota terbanyak di Indonesia yang terdiri dari 29 kabupaten dan 9 kota. Besarnya wilayah di Jawa Timur menyebabkan pemerintah daerah sulitmenangani kasus kemiskinan. Oleh karena itu perlu adanya pengelompokan kabupaten dan kota supaya mudah dalam menangani permasalah dan mengetahui kabupaten atau kota yang membutuhkan bantuan Pemerintah. Tujuan dari penelitian ini adalah untuk mengelompokan kabupaten dan kota di Jawa Timur berdasarkan indikator kemiskinan. Pada penelitian ini menggunakan Metode K-Means Cluster, merupakan salah satu metode yang bisa digunakan untuk mengelompokan kabupaten dan kota di Jawa Timur. Algoritma pada metode K-Means Cluster menetapkan suatu obyek ke dalam cluster yang mempunyai centroid (mean) terdekat. Hasil penelitian menunjukkan bahwa dengan mengelompokan kabupaten dan kota kedalam 4 cluster maka dapat diperoleh cluster pertama terdiri dari 10 kabupaten, cluster kedua terdiri dari 5 kabupaten, cluster 3 terdiri dari 19 kabupaten dan cluster 4 terdiri dari 4 kabupaten. Hasil karakteristik cluster pertama memiliki presentase penduduk 15 tahun keatas pendidikan SLTA yang tinggi, cluster kedua memiliki rumah tangga menerima raskin yang cukup tinggi, cluster ketiga memiliki angka partisipasi sekolah rendah dan karakteristik pada cluster keempat memiliki penduduk 15 tahun keatas yang bekerja di sektor pertanian yang sangat tinggi.

Kata kunci: kemiskinan, K-Means Cluster, Elbow Method

ABSTRACT

East Java Province is one of the provinces with the most regencies and cities in Indonesia, consisting of 29 regencies and 9 cities. The size of the area in eastern Java has made it difficult for regional governments to handle poverty cases. therefore it is necessary to group districts and cities that need government assistance. The purpose of this study is to classify districts and cities in East Java. Based on poverty indicators. In this study using the K-Means Cluster method, is one method that can be used to group districts and cities in East Java. Algorithms in the K-Means Cluster method assign an object to a cluster that has the closest centroid (mean). The results showed that by grouping districts and cities into 4 duster, the first cluster consisted of 10 districts, the second cluster consisted of 5 districts, cluster 3 consisted of 19 districts and cluster 4 consisted of 4 districts. The results of the first cluster characteristics have a percentage of the population of 15 years and above for high school education which is high, the second cluster has households that receive quite high Raskin. The third cluster has low school achievement rates and the characteristics of the fourth cluster have a population of 15 years and over who work in a very high agricultural sector.

Keywords : Poverty, K-Means Cluster, Elbow Method