Klasterisasi Tingkat Kemiskinan Menggunakan Metode K-Means di DKI Jakarta

Abstract

Tingkat kemiskinan dipengaruhi oleh faktor seperti kurangnya lapangan kerja yang memadai ataupun suatu pekerjaan yang tidak mampu mencukupi tanggungan keluarna serta anak-anak. Selain itu, salah satu alasan mengapa masalah kemiskinan belum terselesaikan adalah hasil survei menunjukkan bahwa bantuan pemerintah sering kali tidak sesuai dengan kebutuhan penduduk. Selain itu, dalam pendistribusian bantual sosial yang dilakukan oleh pemerintah juga tidak tepat sasaran serta tidak merata. Hal tersebut bisa diakibatkan oleh ketidakakuratan data validasi. Tujuan dari penelitian ialah mengidentifikasi hasil Clustering K-means dengan data primer yang diperoleh dari Pusat Data dan Teknologi Informasi Dinas Sosial Provinsi DKI Jakarta dan mengelompokkan tingkat kemiskinan di Provinsi DKI Jakarta menggunakan metode Clustering K-means. Metode penelitian didasarkan pada penggunaan algoritma K-means clustering. Kesimpulan yang diambil ialah penggunaan metode Clustering K-Means dapat diterapkan untuk mengelompokan cluster kemiskinan di Provinsi DKI Jakarta. Pada proses pengujian terhadap 8000 data penduduk DKI Jakarta. Didapatkan hasil 14 data. Pengujian dilakukan dengan jumlah cluster yang diuji K = 4. Menghitung jarak setiap data dengan centroid awal menggunakan persamaan Euclidean Distance. Hasil yang diperoleh centroid ke-1 14.966629547095765 dan centroid ke-2 22.045407685048602. Dari 11 iterasi yang diproses didapatkan hasil clustering yaitu iterasi ke-3. Dikarenakan iterasi ke-3 dipilih sebagai yang paling cocok karena beberapa alasan utama. Pertama, centroid tidak banyak berubah lagi setelah iterasi ini, menunjukkan bahwa algoritma telah mencapai stabilitas. Kedua, terdapat penurunan inertia yang signifikan, mengindikasikan bahwa jarak total dari titik-titik ke centroid mereka telah diminimalkan secara optimal. Terakhir, validasi visual menunjukkan bahwa data telah dikelompokkan dengan baik sesuai dengan centroid yang dihitung