Klastering Data Kemiskinan Diindonesia Dari Tahun 2007-2017, Menggunakan Kmeans Dan Decision Tree Python

Thedy Lengah Prasetyo; Muhamad Reza Ramadhan; Muhamad Rizky Fadhil; Dimas Mulyo Wicaksono; Ilham lukman nurhakim; Dede Supiyan

doi:10.31004/riggs.v4i2.1379

Authors

Thedy Lengah Prasetyo Universitas pamulang
Muhamad Reza Ramadhan Universitas pamulang
Muhamad Rizky Fadhil Universitas pamulang
Dimas Mulyo Wicaksono Universitas Pamulang
Ilham lukman nurhakim Universitas pamulang
Dede Supiyan Universitas pamulang

DOI:

https://doi.org/10.31004/riggs.v4i2.1379

Keywords:

Klastering, Kemiskinan, K-Means, Decision Tree, Python, Indonesia

Abstract

Penelitian ini membahas klastering data kemiskinan di Indonesia pada rentang tahun 2007 hingga 2017 sebagai upaya untuk mengidentifikasi pola dan kelompok tingkat kemiskinan di berbagai wilayah. Analisis dilakukan untuk mengelompokkan data kemiskinan ke dalam beberapa klaster menggunakan metode K-Means, serta memanfaatkan algoritma Decision Tree untuk mengeksplorasi faktor-faktor yang berpengaruh dalam upaya pengurangan kemiskinan. Metode perhitungan dilakukan dengan bahasa pemrograman Python yang didukung pustaka analisis data dan machine learning. Data kemiskinan diolah melalui tahapan pembersihan data, normalisasi, klastering, visualisasi hasil klaster, serta pembangunan model Decision Tree untuk memahami atribut penentu. Hasil penelitian menunjukkan pola pengelompokan wilayah berdasarkan karakteristik kemiskinan yang serupa dan pengetahuan aturan dari Decision Tree yang dapat digunakan sebagai dasar pertimbangan dalam perumusan strategi penanggulangan kemiskinan di Indonesia secara lebih tepat sasaran dan berkelanjutan.

Downloads

Download data is not yet available.

References

Badan Pusat Statistik, Data Kemiskinan Indonesia 2007–2017, Jakarta: BPS, 2017.

J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed., Morgan Kaufmann, 2012.

I. H. Witten, E. Frank, and M. A. Hall, Data Mining: Practical Machine Learning Tools and Techniques, 3rd ed., Morgan Kaufmann, 2011.

T. Hastie, R. Tibshirani, and J. Friedman, The Elements of Statistical Learning, 2nd ed., Springer, 2009.

P. N. Tan, M. Steinbach, and V. Kumar, Introduction to Data Mining, 2nd ed., Pearson, 2019.

J. R. Quinlan, “Improved Use of Continuous Attributes in C4.5,” J. Artif. Intell. Res., vol. 4, pp. 77–90, 1996.

S. Alkire and J. Foster, “Counting and Multidimensional Poverty Measurement,” J. Public Econ., vol. 95, no. 7–8, pp. 476–487, 2011.

S. Sumarto and A. Suryahadi, “The Evolution of Poverty During the Crisis in Indonesia, 1996 to 1999,” Asian Econ. J., vol. 15, no. 3, pp. 221–243, 2001.

D. Lestari and T. Yuniarti, “Analisis Kemiskinan di Indonesia Menggunakan Algoritma Decision Tree,” J. Ilmu Komputer dan Informatika, vol. 6, no. 1, pp. 15–23, 2020.

D. Hermawan and K. A. Wibowo, “Penerapan Algoritma K-Means untuk Segmentasi Wilayah Berdasarkan Tingkat Kemiskinan,” J. Teknol. dan Sist. Komput., vol. 9, no. 2, pp. 112–120, 2021.