Perbandingan Kinerja Algoritma K-Means dan K- Medoids dalam Pengelompokan Data Kemiskinan
DOI:
https://doi.org/10.31004/anthor.v5i4.1049Keywords:
K-Means, K-Medoids, Clustering, Data Kemiskinan, Silhouette CoefficientAbstract
Kemiskinan merupakan permasalahan kompleks yang memerlukan pendekatan analisis berbasis data untuk mendukung ketepatan sasaran kebijakan pemerintah. Kabupaten Pringsewu sebagai salah satu daerah di Provinsi Lampung masih menghadapi tantangan dalam pengelolaan data kemiskinan yang dapat digunakan secara efektif untuk menentukan prioritas intervensi kebijakan. Penelitian ini bertujuan untuk membandingkan kinerja algoritma K-Means dan K-Medoids dalam pengelompokan data kemiskinan Kabupaten Pringsewu ke dalam tiga tingkatan, yaitu Sangat Miskin, Miskin, dan Rentan Miskin. Data bersumber dari Dinas Ketahanan Pangan Kabupaten Pringsewu sebanyak 731 data, yang setelah melalui proses seleksi, pembersihan, dan transformasi (encoding) menghasilkan 517 data siap olah dengan sembilan variabel, yaitu pekerjaan, kepemilikan rumah, jenis atap, jenis dinding, jenis lantai, daya listrik, bahan bakar, sumber air, dan fasilitas buang air besar. Hasil penelitian menunjukkan bahwa K-Means dan K-Medoids menghasilkan nilai Silhouette Coefficient yang berdekatan (0,1808 untuk K-Means dan 0,1721 untuk KMedoids), namun K-Means menunjukkan stabilitas konvergensi yang lebih baik dengan berhasil konvergen pada iterasi ke-12, sementara K-Medoids mengalami osilasi hingga batas maksimum 100 iterasi. Berdasarkan stabilitas yang lebih baik, K-Means dapat direkomendasikan sebagai algoritma yang relatif lebih sesuai untuk pengelompokan rumah tangga kemiskinan pada dataset ini, menghasilkan distribusi 128 rumah tangga Sangat Miskin, 162 rumah tangga Miskin, dan 227 rumah tangga Rentan Miskin. Informasi ini dapat dimanfaatkan oleh instansi terkait untuk menentukan prioritas dan jenis intervensi kebijakan penanggulangan kemiskinan yang lebih terarah sesuai dengan kondisi masingmasing kelompok.
References
Amelia, M., Faqih, A., Rinaldi, A. R., & Sosial, K. (2025). Penerapan metode K-Means clustering dalam pemetaan kemiskinan kabupaten/kota di Tepat, 13(2). http://dx.doi.org/10.23960/jitet.v13i2.6231
Farissa, R. A., Mayasari, R., & Umaidah, Y. (2021). Perbandingan algoritma K-Means dan K-Medoids untuk pengelompokkan data obat dengan silhouette coefficient di Puskesmas Karangsambung. Journal of Applied Informatics and Computing, 5(2), 109–116. https://doi.org/10.30871/jaic.v5i1.3237
Hastari, D., Nurunnisa, F., Winanda, S., & Aprillia, D. D. (2023). Application of K-Means and K-Medoids algorithms for grouping country data based on socio-economic and health factors (Penerapan algoritma K-Means dan K-Medoids untuk mengelompokkan data negara berdasarkan faktor sosial-ekonomi dan kesehatan). 274–281. https://www.journal.irpi.or.id/index.php/sentimas/article/view/542
Izzuddin, K. H., & Wijayanto, A. W. (2024). Pemodelan clustering Ward, K-Means, DIANA, dan PAM dengan PCA untuk karakterisasi kemiskinan Indonesia tahun 2021. Komputika, 13(1), 148. https://doi.org/10.34010/komputika.v13i1.10803
Khalif, A., Hasanah, A. N., Ridwan, M. H., & Sari, B. N. (2024). Klasterisasi tingkat kemiskinan di Indonesia menggunakan algoritma K-Means. Generation Journal, 8(1), 54–62. https://doi.org/10.29407/gj.v8i1.21470
Kholis, F. N., & Gunarto, T. (2025). Analisis pengaruh kesenjangan sosial, Indeks Pembangunan Manusia (IPM), dan pengangguran terhadap kemiskinan di Provinsi Lampung (2012–2023). Ekombis Review, 7(3). https://doi.org/10.32877/eb.v7i3.2243
Madaliyah, M., & Rohmah, S. (2024). Upaya pengentasan kemiskinan di Indonesia. 3(2), 269–273. https://ejournal.uingusdur.ac.id/sahmiyya/article/view/8451
Mansur, Y. (2024). Analisis perkembangan penduduk miskin, karakteristik kemiskinan, dan kedalaman kemiskinan di Indonesia. 8(1), 18–31. https://doi.org/10.35870/emt.v8i1.1930
Margareta, T., Satyahadewi, N., & Pertiwi, R. (2025). Perbandingan kinerja algoritma K-Means dan K-Medoids pada pengelompokan usaha pertanian perorangan tanaman pangan di Provinsi Kalimantan Barat. Jurnal Forum Analisis Statistik (FORMASI), 5(1), 35–46. https://doi.org/10.57059/formasi.v5i1.91
Parameswari, D., Dewi, S., Nugraha, B., Karawang, U. S., & Timur, T. (2024). Analisis clustering penyebaran HIV di Karawang berdasarkan kecamatan dengan algoritma K-Means. 12(3). https://doi.org/10.23960/jitet.v12i3.4878
Purnomo, E., Sopiyono, R., & Nurfathillah, N. I. (2025). Potret kemiskinan Kabupaten Pringsewu 2025 (Issue BPS Kabupaten Pringsewu). Badan Pusat Statistik Kabupaten Pringsewu. https://pringsewukab.bps.go.id/id/publication/2025/11/17/303bdc8bbabe449d666ded91/potret-kemiskinan-kabupaten-pringsewu-2025.html
Rahmatika, A. (2024). Mengatasi kemiskinan dan ketimpangan pangan. 2(12), 131–144. https://doi.org/10.61722/jiem.v2i12.3052
Triono, T. A., & Sangaji, R. C. (2023). Faktor mempengaruhi tingkat kemiskinan di Indonesia: Studi literatur laporan data kemiskinan BPS tahun 2022. 1, 59–67. https://doi.org/10.59012/jsb.v1i1.5
Wijaya, N. S., Jajuli, M., & Dermawan, B. A. (2024). Penerapan algoritma K-Means clustering dalam menentukan. 8(4), 7579–7584. https://doi.org/10.36040/jati.v8i4.10248
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Hillary Octa Fatica, Aviv Fitria Yulia, Ferly Ardhy, Fahlul Rizki
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
