OPTIMALISASI PERFORMA K-MEANS CLUSTERING DENGAN PCA DALAM ANALISIS TINGKAT KEMISKINAN DI JAWA BARAT

Abstrak

Kemiskinan adalah permasalahan kompleks dan sulit diatasi, terutama di Provinsi Jawa Barat yang memiliki tingkat kemiskinan yang tinggi di Indonesia. Data kemiskinan yang akurat menjadi faktor utama dalam mendukung strategi penanggulangan, sementara tingkat kemiskinan suatu wilayah dapat diketahui lebih mudah melalui pengukuran dan penentuan indikator pendukungnya. Penelitian ini bertujuan untuk mengetahui klasterisasi tingkat kemiskinan di Provinsi Jawa Barat dari tahun 2019 hingga 2022 dengan menggunakan metodologi Knowledge Discovery in Data Base (KDD) . Metode yang diterapkan pada penelitian ini adalah pengelompokan data menggunakan dua algoritma yaitu Principal Component Analys (PCA) dan K-Means Clustering. dan menggunakan metode evaluasi silhouette coefficient untuk mengetahui nilai dari model. Hasil evaluasi dari 2 skenario model pada penelitian ini menyatakan bahwa membangun model dengan tahap reduksi dimensi variabel terlebih dahulu, lalu dilanjutkan dengan tahap pengelompokkan data menggunakan algoritma K-Means (skenario 2) yang menghasilkan performa terbaik diantara model lainnya dengan nilai evaluasi 0.74 yang termasuk dalam kriteria kuat.