ANALISIS DATA MINING PENGELOMPOKKAN UMKM MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING DI PROVINSI JAWA BARAT

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran penting dalam perekonomian Indonesia. Di Jawa Barat, terdapat banyak UMKM yang tersebar di berbagai wilayah. Mengetahui karakteristik dan persebaran UMKM menjadi penting untuk merumuskan kebijakan yang tepat dalam pengembangannya. Namun, persebaran UMKM di Jawa Barat tidak merata. Beberapa wilayah memiliki konsentrasi UMKM yang tinggi, sementara wilayah lain memiliki konsentrasi UMKM yang rendah. Penelitian ini bertujuan untuk menganalisis pengelompokan UMKM di Jawa Barat berdasarkan karakteristiknya menggunakan algoritma K-Means Clustering. Proses data mining dimulai dengan melakukan proses Knowledge Discovery in Database (KDD). Hasil penelitian menunjukkan nilai yang baik dalam Davies Bouldin Index adalah semakin kecil atau mendekati nol, terdapat jumlah Cluster yang memiliki nilai DBI terbaik adalah Cluster 2 yang terbaik, dengan nilai DBI mendekati nol yaitu 0.527. Hasil pengujian menghasilkan 10 anggota Cluster, yaitu Cluster 0 dengan hasil berjumlah 104 items, Cluster 1 dengan hasil berjumlah 24 item, Cluster 2 dengan hasil berjumlah 45 items, Cluster 3 dengan hasil berjumlah 302 items, Cluster 4 dengan hasil berjumlah 1 items, Cluster 5 dengan hasil berjumlah 50 Items, Cluster 6 dengan hasil berjumlah 282 items, Cluster 7 dengan hasil berjumlah 7 items, Cluster 8 dengan hasil berjumlah 304 items, Cluster 9 dengan hasil berjumlah 96 items.