Analisis Klaster Kekayaan Tokoh Terkaya Indonesia Tahun 2007 Menggunakan Algoritma K-Means

Rizky Ichwan Purnama; Lutfan Hakim; Aryansyah Al Giffari; Faizal Andre Febrianto; Farizi Ilham

doi:10.31004/riggs.v4i2.1382

Authors

Rizky Ichwan Purnama Universitas Pamulang
Lutfan Hakim Universitas Pamulang
Aryansyah Al Giffari Universitas Pamulang
Faizal Andre Febrianto Universitas Pamulang
Farizi Ilham Universitas Pamulang

DOI:

https://doi.org/10.31004/riggs.v4i2.1382

Keywords:

Data mining, K-Means Algorithm, klasterisasi, elbow method, silhouette score

Abstract

Penelitian ini bertujuan untuk mengelompokkan individu dalam daftar 40 orang terkaya di Indonesia tahun 2007 versi Forbes berdasarkan jumlah kekayaan dan sektor usahanya menggunakan algoritma K-Means Clustering. Dengan memanfaatkan data numerik kekayaan dan menerapkan metode pra-pemrosesan yang sesuai, dilakukan analisis untuk menentukan jumlah klaster optimal menggunakan Elbow Method dan Silhouette Score. Hasil analisis menunjukkan bahwa pembagian ke dalam tiga klaster merupakan struktur yang paling representatif. Klaster pertama terdiri dari individu dengan kekayaan sangat tinggi yang memiliki diversifikasi usaha di berbagai sektor strategis. Klaster kedua mencakup pengusaha mapan dengan fokus sektor tunggal, sementara klaster ketiga mencerminkan kelompok pengusaha yang kekayaannya relatif lebih kecil namun memiliki potensi pertumbuhan. Studi ini menunjukkan bahwa algoritma K-Means efektif dalam mengidentifikasi pola distribusi kekayaan dan dapat menjadi alat bantu dalam analisis ekonomi dan bisnis berbasis data.

Downloads

Download data is not yet available.

References

M. H. Siregar, R. B. A., & R. Efendi, "Studi Konsentrasi Kekayaan dan Implikasinya Terhadap Perekonomian Nasional," Jurnal Ekonomi Pembangunan, vol. 15, no. 1, hal. 45-60, 2018.

L. N. Anggraini, D. H. Putra, dan B. Santoso, "Analisis Kesenjangan Kekayaan di Indonesia Menggunakan Gini Ratio," Jurnal Studi Ekonomi Indonesia, vol. 12, no. 2, hal. 112-125, 2019.

S. Wibowo, Metode Penelitian untuk Bisnis dan Ekonomi. Jakarta: Salemba Empat, 2019.

N. R. Khasanah dan M. Hidayat, "Pra-Pemrosesan Data untuk Peningkatan Akurasi Klasifikasi pada Data Tidak Seimbang," Jurnal Teknologi Informasi Komunikasi, vol. 6, no. 1, hal. 25-34, 2019.

E. T. Wibowo, "Implementasi Algoritma K-Means Clustering untuk Pengelompokan Data Mahasiswa," Jurnal Informatika , vol. 12, no. 1, hal. 1-8, 2018.

D. Setiadi dan E. Yulianti, "Penerapan Algoritma K-Means dalam Klasterisasi Data Penjualan Produk," Jurnal Rekayasa Sistem Industri, vol. 7, no. 2, hal. 110-120, 2019.

B. Prasetyo, Penerapan Data Mining: Konsep dan Aplikasi. Yogyakarta: Andi, 2012.

A. Fitri dan R. K. Dewi, "Optimalisasi Jumlah Klaster Menggunakan Metode Elbow dan Silhouette pada Data Kependudukan," Jurnal Rekayasa Perangkat Lunak, vol. 7, no. 1, hal. 1-10, 2020.

S. Wijaya dan R. Lestari, "Validasi Hasil Klasterisasi Menggunakan Indeks Davies-Bouldin dan Silhouette Coefficient," Jurnal Sains Komputer dan Informatika, vol. 4, no. 2, hal. 70-78, 2020.

B. Jatmiko dan K. B. Adi, "Analisis Perbandingan Algoritma Klastering K-Means dan Hierarchical Clustering pada Data Penjualan," Jurnal Sistem Informasi Bisnis, vol. 10, no. 1, hal. 1-8, 2020.

M. D. Oktaviani dan R. A. Sukma, "Pengelompokan Jenis Pelayanan Kesehatan Menggunakan K-Means Clustering," Jurnal Ilmiah Komputer dan Informatika, vol. 7, no. 2, hal. 130-138, 2021.

H. P. Sari, A. Nugroho, dan S. H. Syahputra, "Penerapan Algoritma K-Means untuk Klasterisasi Data Potensi Wisata Alam," Jurnal Informatika Ekonomi Bisnis, vol. 5, no. 1, hal. 10-18, 2020