Implementasi Algoritma K-Means dan Rapidminer untuk Clustering Data Kemiskinan Provinsi Banten

Authors

  • Ricka Maulida Universitas Telkom
  • Sisilia Ratu Counsela Evrilia Universitas Telkom
  • Nabila Rahmania Az Zahra Universitas Telkom
  • Deny Haryadi Universitas Telkom

DOI:

https://doi.org/10.52661/j_ict.v6i1.246

Keywords:

Algoritma K-Means, Clustering, Data Mining, Kemiskinan, Provinsi

Abstract

Dalam skala nasional, jumlah tingkat kemiskinan di Provinsi Banten yaitu rendah. Hal ini dapat dibuktikan pada Maret 2022, Banten memiliki 6,16% penduduk yang hidup dalam kemiskinan, lebih rendah dari rata-rata nasional 9,54% untuk periode waktu tersebut. Pendekatan algoritma K-Means Clustering adalah strategi data mining yang digunakan pada penelitian ini. Data penelitian ini, yang mencakup 8 Kabupaten/Kota dan 3 variabel, diperoleh dari situs Badan Pusat Statistik (BPS) antara tahun 2020 dan 2022. Faktor-faktor yang diperhitungkan adalah populasi warga kurang mampu (ribu jiwa), rata-rata (Mean), jumlah tahun yang dihabiskan di sekolah (tahun), dan jumlah uang yang dikeluarkan per orang setiap tahun (ribu rupiah). Seluruh rangkaian data dianalisis menggunakan Rapidminer, diproses menjadi 3 tingkatan cluster, cluster sedang yaitu (C0), cluster tinggi yaitu (C1), dan cluster rendah yaitu (C2). Perhitungan pada Rapidminer mengungkapkan bahwa Kota Tangerang dan Kota Tangerang Selatan berada di cluster 0, Kabupaten Pandeglang, Kab Lebak, Kab Serang masuk dalam cluster 1, serta Kabupaten Tangerang, Kota Cilegon, Kota Serang berada di cluster 2.

References

Ayu & Kusumadewi, S. (2022). Analisis Klasterisasi Data Kemiskinan Provinsi Banten dengan Menggunakan Algoritma K-Means. Jurnal Informatika Universitas Negeri Surabaya, 3(1), 19-25.

Ayu, D., & Maulana, A. (2019). Analisis Data Kemiskinan Provinsi Banten dengan Menggunakan Algoritma K-Means. Jurnal Ilmiah. Teknologi Informasi Asia, 13(1), 14-20.

Fadillah, F. A. (2022). Penerapan Algoritma K-Means dan Penentuan Cluster Optimum untuk Mengelompokkan Daerah Kemiskinan di Kelurahan Kota Tasikmalaya (Doctoral dissertation, Universitas Siliwangi).

Hanifah, A., & Firdaus, F. (2023). Implementasi Algoritma K-Means dan Rapidminer untuk Clustering Data Kemiskinan Provinsi Banten. Jurnal Teknik Informatika Universitas Indonesia, 15(2), 38-46.

Hermawan, A., & Septiana, D. (2019). Clustering Data Kemiskinan Provinsi Banten dengan Menggunakan Algoritma K-Means. Jurnal Teknologi Informasi dan Ilmu Komputer Universitas Gajah Mada, 6(1), 11-18.

Nasution, I., Windarto, A. P., & Fauzan, M. (2020). Penerapan Algoritma K-Means Dalam Pengelompokan Data Penduduk Miskin Menurut Provinsi. Building of Informatics, Technology and Science (BITS), 2(2), 76-83.

Novitasari, N., Nuris, N. D., & Herdiana, R. (2023). Penerapan Algoritma K-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten di Jawabarat menggunakan Rapidminer. Jurnal Informatika Terpadu, 9(1), 68-73.

Nurhadi, I., & Rini, L. M. (2020). Implementasi Algoritma K-Means untuk Pengelompokan Data Kemiskinan Provinsi Banten. Jurnal Sistem dan Informatika Universitas Diponegoro, 9(1), 52-58.

Pratama, R. P., & Setiawan, A. (2020). Pengelompokan Data Kemiskinan Provinsi Banten Menggunakan Algoritma K-Means dan Fuzzy C-Means. Jurnal Informatika Universitas Pamulang, 4(1), 31-39.

Rahmahwati, R. (2023). Menentukan Tingkat Kesejahteraan Provinsi Kalimantan Tengah Dengan Penerapan Algoritma K-Means Clustering Menggunakan Rapidminer. Kesatria: Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen), 4(1), 105-115.

Rahmawati, D., & Kurniawan, E. (2021). Pengelompokan Data Kemiskinan Provinsi Banten Menggunakan Algoritma K-Means dan Kohonen Self-Organizing Maps. Jurnal Informatika Mulawarman, 6(1), 47-54.

Sari, R., & Widianto, E. D. (2020). Implementasi Algoritma K-Means pada Clustering Data Kemiskinan Provinsi Banten Menggunakan Bahasa Pemrograman Python. Jurnal Sistem Informasi Universitas Diponegoro, 7(2), 71-78.

Sari, Y. R., Sudewa, A., Lestari, D. A., & Jaya, T. I. (2020). Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer. CESS (Journal of Computer Engineering, System and Science), 5(2), 192-198.

Sembiring, Y. R., Saifullah, S., & Winanjaya, R. (2021). Implementasi Data Mining Dalam Mengelompokkan Jumlah Penduduk Miskin Berdasarkan Provinsi Menggunakan Algoritma K-Means. Kesatria: Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen), 2(2), 125-132.

Sepriyanti, N., Nahampun, R. S., Zikri, M. H., Ambarani, I., & Rahmadeyan, A. (2022, September). Penerapan K-Means Clustering Untuk Mengelompokkan Tingkat Kemiskinan di Provinsi Riau: Implementation of K-Means Clustering to Group Poverty Levels in Riau Province. In SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat (pp. 59-65).

Wahyudi, M., Pujiastuti, L., & Solikhun, S. (2020, July). Penerapan Data Mining Dalam Mengelompokkan Data Pengangguran Terbuka Menurut Provinsi Menggunakan Algoritma K-Means. In Prosiding Seminar Nasional Riset Information Science (SENARIS) (Vol. 2, pp. 432-440).

Widiastuti, R., & Kurniawan, E. (2018). Analisis Data Kemiskinan Provinsi Banten dengan Metode KMeans Clustering dan Principal Component Analysis. Jurnal Informatika Universitas Dian Nuswantoro, 6(2), 127-133.

https://banten.bps.go.id/indicator/26/76/1/rata-rata-lama-sekolah-menurut-kabupaten-kota-di-provinsibanten.html

https://banten.bps.go.id/indicator/26/204/1/pengeluaran-per-kapita-yang-disesuaikan-menurut-kabupatenkota-di-provinsi-banten.html

https://banten.bps.go.id/indicator/23/145/1/jumlah-penduduk-miskin-menurut-kabupaten-kota-diprovinsi-banten.html

Downloads

Published

2025-01-06

How to Cite

Maulida, R., Counsela Evrilia, S. R. ., Az Zahra, N. R., & Haryadi, D. (2025). Implementasi Algoritma K-Means dan Rapidminer untuk Clustering Data Kemiskinan Provinsi Banten. Journal of Informatics and Communication Technology (JICT), 6(1), 18–33. https://doi.org/10.52661/j_ict.v6i1.246

Issue

Vol. 6 No. 1 (2024)

Section

Informatika

License

Copyright (c) 2024 Ricka Maulida, Sisilia Ratu Counsela Evrilia, Nabila Rahmania Az Zahra, Deny Haryadi

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.