Analisis Clustering Tingkat Kemiskinan di Beberapa Kabupaten/Kota di Provinsi Sumatera Utara Menggunakan Algoritma K-Means (Data BPS Tahun 2020–2025)

Monica Sari Batubara; Novita Sari  Siagian; Leony  Sinaga

doi:10.37817/ikraith-informatika.v10i2.7092

Monica Sari Batubara Universitas HKBP Nommensen Pematang Siantar
Novita Sari Siagian Universitas HKBP Nommensen Pematang Siantar
Leony Sinaga Universitas HKBP Nommensen Pematang Siantar

DOI: https://doi.org/10.37817/ikraith-informatika.v10i2.7092

Kata Kunci: Keywords: K-Means, Clustering, Poverty, Data Mining, North Sumatra.

Abstrak

Kemiskinan merupakan salah satu permasalahan sosial yang masih menjadi perhatian utama dalam pembangunan daerah karena berkaitan dengan tingkat kesejahteraan masyarakat. Kondisi kemiskinan yang berbeda pada setiap wilayah menyebabkan perlunya pengelompokan berdasarkan karakteristik yang dimiliki sehingga dapat menjadi dasar dalam penyusunan kebijakan yang lebih tepat sasaran. Penelitian ini bertujuan untuk mengelompokkan beberapa kabupaten/kota di Provinsi Sumatera Utara berdasarkan tingkat kemiskinan menggunakan algoritma K-Means. Data yang digunakan merupakan data sekunder Badan Pusat Statistik (BPS) periode 2020–2025 yang meliputi persentase penduduk miskin, jumlah penduduk miskin, garis kemiskinan, indeks kedalaman kemiskinan (P1), indeks keparahan kemiskinan (P2), dan Indeks Pembangunan Manusia (IPM). Tahapan penelitian dilakukan menggunakan metode Knowledge Discovery in Databases (KDD), yang meliputi seleksi data, preprocessing, normalisasi data, penentuan jumlah cluster menggunakan Elbow Method, proses clustering menggunakan algoritma K-Means, serta evaluasi menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga cluster. Cluster pertama terdiri atas Kabupaten Langkat dan Kabupaten Samosir yang memiliki karakteristik tingkat kemiskinan yang relatif tinggi. Cluster kedua terdiri atas Kota Pematang Siantar dan Kabupaten Deli Serdang dengan tingkat kemiskinan sedang. Sementara itu, Kota Medan membentuk cluster tersendiri karena memiliki karakteristik wilayah perkotaan dengan nilai garis kemiskinan dan IPM yang lebih tinggi dibandingkan wilayah lainnya. Hasil penelitian ini diharapkan dapat menjadi informasi pendukung bagi pemerintah dalam menentukan prioritas kebijakan pengentasan kemiskinan secara lebih efektif.

Kata Kunci: K-Means, Clustering, Kemiskinan, Data Mining, Sumatera Utara.