Perbandingan Metode K-Means dan OPTICS dalam Penggerombolan Kemiskinan Multidimensi di Indonesia
DOI:
https://doi.org/10.15575/kubik.v9i2.39877Keywords:
Kemiskinan multidimensi, Clustering, K-Means, OPTICS, Analisis regional, Pengentasan kemiskinanAbstract
Kemiskinan multidimensi tetap menjadi tantangan serius di Indonesia meskipun telah mengalami penurunan dalam beberapa tahun terakhir. Penelitian ini bertujuan menganalisis dan membandingkan pola kemiskinan multidimensi di 34 provinsi Indonesia menggunakan metode K-Means dan OPTICS Clustering. Data kemiskinan multidimensi yang digunakan mencakup aspek ekonomi, pendidikan, ketenagakerjaan, dan standar hidup dari Badan Pusat Statistik. Analisis statistik deskriptif mengungkapkan kesenjangan signifikan antar provinsi dalam berbagai dimensi kemiskinan, dengan korelasi tertinggi sebesar 0,4 antara dimensi pendidikan dan status ketenagakerjaan. K-Means Clustering mengidentifikasi 5 cluster provinsi dengan karakteristik beragam, menunjukkan adanya trade-off antara akses fasilitas dan tingkat kemiskinan. Sementara itu, OPTICS Clustering menghasilkan 2 cluster utama, dengan cluster 1 terdiri dari 24 provinsi yang memiliki kondisi cenderung homogen dan cluster 2 terdiri dari 7 provinsi dengan karakteristik yang berbeda secara signifikan. Perbandingan performa menunjukkan OPTICS unggul dengan nilai Silhouette Index dan WCSS yang lebih baik dibandingkan K-Means. Temuan ini memberikan kontribusi penting dalam analisis kemiskinan multidimensi di Indonesia dan dapat dimanfaatkan untuk merancang program pengentasan kemiskinan yang lebih terlokalisasi sesuai karakteristik masing-masing cluster.References
M. A. Rahman, N. S. Sani, R. Hamdan, Z. A. Othman, and A. A. Bakar, “A clustering approach to identify multidimensional poverty indicators for the bottom 40 percent group,†PLoS One, vol. 16, no. 8 August, pp. 1–25, 2021, doi: 10.1371/journal.pone.0255312.
O. Hall, F. Dompae, I. Wahab, and F. M. Dzanku, “A review of machine learning and satellite imagery for poverty prediction: Implications for development research and applications,†J. Int. Dev., vol. 35, no. 7, pp. 1753–1768, 2023, doi: 10.1002/jid.3751.
M. A. Ahmed, H. Baharin, and P. N. E. Nohuddin, “Analysis of K-means, DBSCAN and OPTICS Cluster algorithms on Al-Quran verses,†Int. J. Adv. Comput. Sci. Appl., vol. 11, no. 8, pp. 248–254, 2020, doi: 10.14569/IJACSA.2020.0110832.
E. Cesario, P. Lindia, and A. Vinci, “Detecting Multi-Density Urban Hotspots in a Smart City: Approaches, Challenges and Applications,†Big Data Cogn. Comput., vol. 7, no. 1, 2023, doi: 10.3390/bdcc7010029.
S. Annas, B. Poerwanto, S. Sapriani, and M. F. S, “Implementation of K-Means Clustering on Poverty Indicators in Indonesia,†MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 2, pp. 257–266, 2022, doi: 10.30812/matrik.v21i2.1289.
D. Widyadhana, R. B. Hastuti, I. Kharisudin, and F. Fauzi, “Perbandingan Analisis Klaster K-Means dan Average Linkage untuk Pengklasteran Kemiskinan di Provinsi Jawa Tengah,†Prism. Pros. Semin. Nas. Mat., vol. 4, no. 2, pp. 584–594, 2021.
B. N. Ruchjana, H. Khoirunnisa, I. Irianingsih, and B. Suhandi, “Perbandingan Penerapan Metode Agglomerative dengan Metode K-Means pada Data Curah Hujan di Wilayah Bogor,†Kubik J. Publ. Ilm. Mat., vol. 5, no. 2, pp. 71–82, 2020, doi: 10.15575/kubik.v5i2.7581.
N. Ulinnuha and J. G. Indriyani, “Ekstraksi Topik Pantun di Twitter Menggunakan K-Means Clustering,†KUBIK J. Publ. Ilm. Mat., vol. 8, no. 1, pp. 24–34, 2023, doi: 10.15575/kubik.v8i1.29191.
M. Mollaian, G. D. Ëo, and A. Palazoglu, “Performing Multi-Objective Optimization Alongside,†Processes, vol. 10, no. 893, pp. 1–22, 2022.
D. Arsene, A. Predescu, C. O. Truică, E. S. Apostol, and M. Mocanu, “Decision Support Strategies for Household Water Consumption Behaviors Based on Advanced Recommender Systems,†Water (Switzerland), vol. 15, no. 14, 2023, doi: 10.3390/w15142550.
C. Willmes et al., “State of the art in paleoenvironment mapping for modeling applications in archeology—summary, conclusions, and future directions from the paleomaps workshop,†Quaternary, vol. 3, no. 2, 2020, doi: 10.3390/quat3020013.
A. Ghosal, A. Nandy, A. K. Das, S. Goswami, and M. Panday, A Short Review on Different Clustering Techniques and Their Applications, vol. 937. Springer Singapore, 2020. doi: 10.1007/978-981-13-7403-6_9.
BPS, “Persentase Penduduk Miskin Maret 2024 turun menjadi 9,03 persen,†Badan Pusat Statistik. [Online]. Available: https://www.bps.go.id/id/pressrelease/2024/07/01/2370/persentase-penduduk-miskin-maret-2024-turun-menjadi-9-03-persen-.html
A. Sarjito, “Efektivitas Kebijakan Sosial dalam Mengurangi Ketimpangan Pendapatan dan Angka Kemiskinan,†J. Ilmu Sos. Polit. dan Hum., vol. 6, no. 2, pp. 1–12, 2024, doi: 10.36624/jisora.v6i2.90.
T. Prakarsa, “Laporan Indeks Kemiskinan Multidimensi PRAKARSA Mendapat Apresiasi Para Pihak,†The Prakarsa. Accessed: Sep. 19, 2024. [Online]. Available: https://theprakarsa.org/laporan-indeks-kemiskinan-multidimensi-prakarsa-mendapat-apresiasi-para-pihak/
C. P. Kasih, “Kemiskinan Struktural: Membongkar Akar Masalah dan Pilihan Solusi,†CUPK. Accessed: Sep. 09, 2024. [Online]. Available: https://cupk.org/kemiskinan-struktural-membongkar-akar-masalah-dan-pilihan-solusi/
A. Wahab and Sudirman, “Persoalan Kemiskinan Perkotaan,†J. Pendidik. Sej. dan Ris. Sos. Hum., vol. 6, no. 1, pp. 230–238, 2023.
B. Sumargo and N. M. M. Simanjuntak, “Deprivasi Utama Kemiskinan Multidimensi Antarprovinsi di Indonesia,†J. Ekon. dan Pembang. Indones., vol. 19, no. 2, pp. 160–172, 2019, doi: 10.21002/jepi.2019.10.
K. Gomonov, S. Ratner, I. Lazanyuk, and S. Revinova, “Clustering of EU countries by the level of circular economy: An objectâ€oriented approach,†Sustain., vol. 13, no. 13, pp. 1–20, 2021, doi: 10.3390/su13137158.
N. L. Made Ariasih and N. N. Yuliarmi, “Pengaruh Tingkat Pendidikan, Tingkat Kesehatan dan Pengangguran Terbuka Terhadap Tingkat Kemiskinan di Provinsi Bali,†Cerdika J. Ilm. Indones., vol. 1, no. 7, pp. 821–839, 2021, doi: 10.59141/cerdika.v1i7.131.
A. Wardhana, B. Kharisma, and D. S. Sulandari, “Belanja Pemerintah dan Peningkatan Sumber Daya Manusia di Indonesia,†J. Ecodemica J. Ekon. Manaj. dan Bisnis, vol. 5, no. 2, pp. 139–151, 2021, doi: 10.31294/eco.v5i2.10168.
Deris Desmawan, R. N. Ramdani, Y. A. Mauralifta, S. Wirantara, and N. E. Handayani, “Pengaruh Kemiskinan Terhadap Pertumbuhan Ekonomi di Provinsi Banten,†INFORMATIKA, vol. 12, no. 2, pp. 208–215, 2024.
R. Firdausi, M. Albar, and M. K. Huda, “Peningkatan Kualitas Hidup Masyarakat Desa Sukoraharjo Melalui Edukasi Kesehatan Dan Sanitasi,†Elit. J. Edukasi Literasi Masy., vol. 1, no. 1, pp. 39–43, 2024.
M. Yunus, A. Saefuddin, and A. M. Soleh, “Pemodelan Statistical Downscaling Dengan Lasso Dan Group Lasso Untuk Pendugaan Curah Hujan,†Indones. J. Stat. Its Appl., vol. 4, no. 4, pp. 649–660, 2020, doi: 10.29244/ijsa.v4i4.724.
Published
Issue
Section
License
Authors who publish in KUBIK: Jurnal Publikasi Ilmiah Matematika agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- 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.
- 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 (See The Effect of Open Access).
Â
