CLUSTERING WILAYAH KEMISKINAN MULTIDIMENSI DI INDONESIA MENGGUNAKAN ALGORITMA FUZZY C-MEANS DAN OPTICS
DOI:
https://doi.org/10.33480/inti.v20i2.7814Keywords:
Application, Clustering, Fuzzy C-Means, OPTICS, PovertyAbstract
A multidimensional approach to mapping poverty in Indonesia necessitates the use of the Human Development Index (HDI), Poverty Line, and Expenditure per Capita. This study aims to evaluate the performance of two clustering algorithms with distinct paradigms the centroid-based Fuzzy C-Means (FCM) and the density-based OPTICS in profiling poverty across 501 regencies and cities. Experimental results indicate that OPTICS achieved high internal validity, with a Silhouette Score of 0.7301 and a Davies-Bouldin Index (DBI) of 0.329. Significantly, OPTICS identified 94% of the data as noise. This finding reveals a fundamental characteristic: the distribution of socio-economic data in Indonesia is highly heterogeneous and sparse, lacking inherently dense cluster structures. Conversely, FCM, employing a soft clustering approach, successfully accommodates the ambiguity of data boundaries and provides comprehensive segmentation across all regions. Despite yielding lower validity metrics (Silhouette Score 0.3894), FCM was selected as the final model because it satisfies the practical requirements of the application, which demands complete coverage mapping. This study concludes that a soft clustering approach is more applicable than density-based clustering for analyzing highly heterogeneous data such as that found in Indonesia
Downloads
References
Andrian, G., Arisandi, D., & Handhayani, T. (2024). Clustering Data Meteorologi Wilayah Indonesia Timur Dengan Metode K-Means Dan Fuzzy C-Means. INTI Nusa Mandiri, 18(2), 100–106. https://doi.org/10.33480/inti.v18i2.5039
Bahtiyar, R., Lestanti, S., & Nur Budiman, S. (2024). Penerapan Metode Fuzzy C-Means Cluster Ing Untuk Pengelompokan Kabupaten Di Jawa Timur Berdasarkan Indikator Kesejahteraan Rakyat. JATI (Jurnal Mahasiswa Teknik Informatika), 7(5), 3701–3710. https://doi.org/10.36040/jati.v7i5.7812
Darrell, F., & Reswara, W. (2024). Analisis Algoritma K-Means Dan Fuzzy C-Means Untuk Persentase Rata Rata Pengeluaran Untuk Makanan Dan Bukan Makanan. 19(1), 13–21.
Fan, Y., & Wang, M. (2024). Specification Mining Based on the Ordering Points to Identify the Clustering Structure Clustering Algorithm and Model Checking. Algorithms, 17(1), 28. https://doi.org/10.3390/a17010028
Faturahman, R. D., & Hidayati, N. (2025). Implementasi Fuzzy C-Means Dalam Pengelompokan Tingkat Kemiskinan Pada Kabupaten/Kota Di Provinsi Jawa TengaH. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 10(1), 137–149. https://doi.org/10.29100/jipi.v10i1.5747
Hasan, Y. (2024). Pengukuran Silhouette Score Dan Davies-Bouldin Index Pada Hasil Cluster K-Means Dan Dbscan. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3S1). https://doi.org/10.23960/jitet.v12i3S1.5001
Isah, I., Estri, M. N., & Larasati, N. (2024). Perbandingan Metode Fuzzy C-Means Dan Fuzzy Probabilistic C-Means Dalam Pengelompokan Provinsi Di Indonesia Berdasarkan Indeks Pembangunan Manusia Tahun 2022. PROSIDING SEMINAR NASIONAL SAINS DATA, 4(1), 832–841. https://doi.org/10.33005/senada.v4i1.346
Nurhalizah, C. D., Damaliana, A. T., & Prasetya, D. A. (2025). OPTICS-Based Clustering of East Java Regencies and Cities by Divorce Factors. Journal of Information Systems and Technology Research, 4(3), 113–123. https://doi.org/10.55537/jistr.v4i3.1227
Oktaviani, N., Fauzan, A., & Widyastuti, G. (2024). Pengelompokan Kabupaten/Kota di Jawa Barat Berdasarkan Tingkat Kesejahteraan Masyarakat Menggunakan K-Means Cluster. Emerging Statistics and Data Science Journal, 2(2), 290–301. https://doi.org/10.20885/esds.vol2.iss.2.art22
Paembonan, S., & Abduh, H. (2021). Penerapan Metode Silhouette Coefficient untuk Evaluasi Clustering Obat. PENA TEKNIK: Jurnal Ilmiah Ilmu-Ilmu Teknik, 6(2), 48. https://doi.org/10.51557/pt_jiit.v6i2.659
Santoso, E., & Anggraini, S. (2024). DISPARITAS PEMBANGUNAN ANTAR WILAYAH DI INDONESIA: MODEL DATA PANEL. CERMIN: Jurnal Penelitian, 8(2), 355. https://doi.org/10.36841/cermin_unars.v8i2.5468
Shantal, M., Othman, Z., & Bakar, A. A. (2023). A Novel Approach for Data Feature Weighting Using Correlation Coefficients and Min–Max Normalization. Symmetry, 15(12), 2185. https://doi.org/10.3390/sym15122185
Srirahayu, A., & Pribadie, L. S. (2023). Review Paper Data Mining Klasifikasi Data Mining. Jurnal Ilmiah Informatika Global, 14(1). https://doi.org/10.36982/jiig.v14i1.2981
Tawakal, I., Effendi, M. M., & Majid, A. M. (2025). ANALISIS TINGKAT KEMISKINAN DENGAN ALGORITMA K-MEANS MENGGUNAKAN RAPIDMINER DI TINGKAT KOTA KABUPATEN DI JAWA TENGAH. Journal of Information System Management (JOISM), 7(1), 112–119. https://doi.org/10.24076/joism.2025v7i1.2084
Widianto, F. (2024). Implementasi Model SDLC Dalam Perancangan Sistem Informasi Manajemen Perpustakaan Berbasis Web. Sistematis : Jurnal Ilmiah Sistem Informasi, 1(1), 60–68. https://doi.org/10.69533/4w86eq90
Ying, R., Taniguchi, T., Nabeta, K., Ishigami, K., Kikuchi, N., & Okamoto, S. (2024). Clustering First-order reversal curve diagram using the Gaussian mixture model and the Davies–Bouldin index. Japanese Journal of Applied Physics, 63(11), 11SP04. https://doi.org/10.35848/1347-4065/ad892d
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Nicholas Eugene Supardi , Teny Handhayani, Irvan Lewenusa
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.
