Clustering Data Penduduk Miskin Dampak Covid-19 Menggunakan Algoritma K-Medoids

Abstract

Kemiskinan merupakan masalah yang mendasar, kemiskinan bisa berakibat pada terhambatnya pembangunan nasional. Ada beberapa aspek yang berkaitan dengan kemiskinan yaitu faktor ekonomi, politik, dan psikososial. Secara ekonomi, kemiskinan diartikan sebagai kurangnya sumber daya untuk memenuhi kebutuhan hidup dan meningkatkan kesejahteraan. Pada penelitian ini data yang digunakan pada tahun 2020 yang bersumber dari Badan Pusat Statistika. Dalam upaya menemukan kasus kemiskinan dampak covid-19 dapat menggunakan Data Mining. Tujuan dari penelitian ini untuk mengelompokkan kabupaten/kota yang memiliki kemiskinan dampak covid-19 dengan tingkat tinggi dan rendah di Indonesia. Penelitian yang akan dilakukan dengan langkah data mining yaitu CRISP-DM (Cross Industry Standart for Data Mining) yang terdiri dari 6 fase yaitu pemahaman bisnis (business understanding), pemahaman data (data understanding), pengolahan data (data preparation), pemodelan (modelling), evaluasi (evaluation), dan penyebaran (deployment). Algoritme yang digunakan pada penelitian ini yaitu K-Medoids. Pengukuran menggunakan bahasa R dengan bantuan fungsi Pamk sehingga hasil yang didapatkan pada dataset Penduduk Miskin Tahun 2020 memiliki cluster optimal sebanyak 2 cluster. Cluster1 dengan jumlah 121 kabupaten/kota dengan kategori tinggi, sedangkan cluster2 dengan jumlah 427 dengan kategori rendah. Hasil dari evaluasi nilai Silhouette Coefficinet sebesar 0,4735719 .

Keywords

• clustering
• data mining
• k-medoids
• penduduk miskin
• silhouette coefficient