Pemodelan Clustering Ward, K-Means, Diana, dan PAM dengan PCA untuk Karakterisasi Kemiskinan Indonesia Tahun 2021

Abstract

Kemiskinan menjadi permasalahan yang serius dan cukup kompleks. Kemiskinan dipengaruhi secara lintas sector dari berbagai faktor. Pengelompokan kemiskinan dapat dilakukan untuk perencanaan dan evaluasi program kemiskinan, Analisis cluster dengan metode ward, k-means, diana, dan PAM dapat dimanfaatkan dalam pengelompokan provinsi di Indonesia berdasarkan enam indikator kemiskinan yaitu persentase penduduk miskin (P0), indeks kedalaman kemiskinan (P1), indeks keparahan kemiskinan (P2), Tingkat Pengangguran Terbuka (TPT), Angka Melek Huruf (AMH), dan Rata-rata Lama Sekolah (RLS). Berdasarkan evaluasi model, didapatkan model terbaik cluster dengan pendekatan ward dengan analisis Principal Component Analysis (PCA). PCA terbukti dapat memaksimalkan performa model clustering. Model cluster ward membentuk lima kluster yang optimal dengan provinsi tingkat kemiskinan sangat rendah hingga sangat tinggi.