PENERAPAN ALGORITMA K-MEANS UNTUK KLASTERISASI PENDUDUK MISKIN DI PROVINSI BANTEN
Abstract
Abstract— People with low incomes are unable to obtain education and other government services. The problem of poverty faced by the government is closely related to people with low incomes who cannot meet their basic needs. The Central Bureau of Statistics describes poverty as the inability to meet basic food and non-food needs as measured by expenditure. This study aims to classify Banten province based on poverty levels, by dividing the number of poor people into high, medium, and low categories. The K-Means clustering method is very fast and easy to use in the K-Means algorithm clustering process. Where the grouping results are formed, namely group one has a moderate number of poor people in three districts/cities, Pandeglang Regency, Lebak Regency, and Tangerang Regency. The second group has the lowest population in one district/city, namely Tangerang City. The third group has the highest number of poor people in the four districts/cities, namely Serang Regency, Cilegon Regency, Serang City, and South Tangerang City. The clustering results show that the Provincial Government of Banten will give priority and special attention to poverty alleviation efforts in the district/city. This will allow for increased revenues and earnings, as well as improved livelihoods and the economy in the area. the K-Means algorithm can classify the poor based on the number of people per district or city in Banten Province.
Downloads
References
Amanda, & Sitorus, M. V. (2021). Penerapan Algoritma K-Means Clustering Untuk Pengelompokan Konsumsi Produk Kosmetik milik PT Cedefindo. Jurnal Ilmiah MIKA AMIK Al Muslim, V(2), 63–68.
Aprilia, K., & Sembiring, F. (2021). Analisis Garis Kemiskinan Makanan Menggunakan Metode Algoritma K-Means Clustering. Informasi Dan Manajemen Informatika, 2(4), 1–10.
Arkham, D., & Swanjaya, D. (2020). K-Means Method For Clustering Public Service Assessment of Goverment Organization In Kediri City. Prosiding SEMNAS INOTEK …, 155–160. https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/79
Aziz, F. N. R. F. J., Setiawan, B. D., & Arwani, I. (2018). Implementasi Algoritma K-Means untuk Klasterisasi Kinerja Akademik Mahasiswa. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(6), 2243–2251.
Bahauddin, A., Fatmawati, A., & Permata Sari, F. (2021). Analisis Clustering Provinsi Di Indonesia Berdasarkan Tingkat Kemiskinan Menggunakan Algoritma K-Means. Jurnal Manajemen Informatika Dan Sistem Informasi, 4(1), 1–8. https://doi.org/10.36595/misi.v4i1.216
Febriansyah, F., & Muntari, S. (2023). Penerapan Algoritma K-Means untuk Klasterisasi Penduduk Miskin pada Kota Pagar Alam. JISKA (Jurnal Informatika Sunan Kalijaga), 8(1), 66–77. https://doi.org/10.14421/jiska.2023.8.1.66-77
Hablum, R., Khairan, A., & Rosihan, R. (2019). Clustering Hasil Tangkap Ikan Di Pelabuhan Perikanan Nusantara (Ppn) Ternate Menggunakan Algoritma K-Means. JIKO (Jurnal Informatika Dan Komputer), 2(1), 26–33. https://doi.org/10.33387/jiko.v2i1.1053
Mirawati, F., & Feriyanto, N. (2023). Jurnal Kebijakan Ekonomi dan Keuangan Faktor-Faktor yang memengaruhi jumlah penduduk miskin di Provinsi Banten Tahun 2011-2020. 2(1), 78–85. https://doi.org/10.20885/JKEK.vol2.iss1.art9
Munandar, T. A. (2022). Penerapan Algoritma Clustering Untuk Pengelompokan Tingkat Kemiskinan Provinsi Banten. JSiI (Jurnal Sistem Informasi), 9(2), 109–114. https://doi.org/10.30656/jsii.v9i2.5099
Nugraha, I. W. S. A. (2023). Clustering Pemetaan Tingkat Kemiskinan di Provinsi Jawa Barat Menggunakan Algoritma K-Means. Jurnal Ilmiah Wahana Pendidikan, Januari, 9(2), 234–244. https://doi.org/10.5281/zenodo.7567622.
Pratiwi, E. D., Ashar, K., & Syafitri, W. (2020). Dampak Kemiskinan Terhadap Pola Mobilitas Tenaga Kerja Antarsektor Di Indonesia. Jurnal Kependudukan Indonesia, 15(1), 1. https://doi.org/10.14203/jki.v15i1.473
Sari, Y. A. (2021). Pengaruh Upah Minimum Tingkat Pengangguran Terbuka Dan Jumlah Penduduk Terhadap Kemiskinan Di Provinsi Jawa Tengah. Equilibrium : Jurnal Ilmiah Ekonomi, Manajemen Dan Akuntansi, 10(2), 121–130. https://doi.org/10.35906/je001.v10i2.785
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. https://doi.org/10.24114/cess.v5i2.18519
Sembiring, Y. R., & Saifullah, R. W. (2021). Implementasi Data Mining Dalam Mengelompokkan Jumlah Penduduk Miskin Berdasarkan Provinsi Menggunakan Algoritma. Jurnal Penerapan Sistem Informasi (Komputer & Manajemen), 2(2), 125–132. https://tunasbangsa.ac.id/pkm/index.php/kesatria/article/view/67
Wanto, A., Siregar, M. N. H., Windarto, A. P., Hartama, D., Ginantra, N. L. W. S. R., Napitupul, D., Negara, E. S., Lubis, M. R., Dewi, S. V., & Prianto, C. (2020). Data Mining: Algoritma dan Implementasi. Yayasan Kita Menulis.
Abstract viewed = 272 times
PDF downloaded = 352 times
Copyright (c) 2023 Frisma Handayanna
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Penulis yang menerbitkan jurnal ini menyetujui ketentuan berikut:
1. Penulis memegang hak cipta dan memberikan hak jurnal mengenai publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Creative Commons Attribution 4.0 International License. yang memungkinkan orang lain untuk berbagi karya dengan pengakuan atas karya penulis dan publikasi awal pada jurnal.
2. Penulis dapat memasukkan pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan (misalnya, mengirimkannya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya pada Jurnal.
3. Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, dalam penyimpanan institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena hal itu dapat menghasilkan pertukaran yang produktif, serta kutipan dari karya yang diterbitkan sebelumnya.
