Pemanfaatan Klasterisasi K-Means untuk Pengelompokan Berdasarkan Indikator Ekonomi, Digitalisasi, dan Produksi Komoditas

Abraham Aldo Arbeit; Ferdiansyah Ferdiansyah; Muhamad Bakhrul Adna; Muhamad Ridwan; Raditia Vindua

doi:10.31004/riggs.v4i2.1388

Authors

Abraham Aldo Arbeit Universitas Pamulang
Ferdiansyah Ferdiansyah Universitas Pamulang
Muhamad Bakhrul Adna Universitas Pamulang
Muhamad Ridwan Universitas Pamulang
Raditia Vindua dosen02380@unpam.ac.id

DOI:

https://doi.org/10.31004/riggs.v4i2.1388

Keywords:

K-Means, Klasterisasi, Krisis Ekonomi, Adopsi Digital, Produksi Komoditas

Abstract

Penelitian ini bertujuan untuk memanfaatkan algoritma K-Means Clustering dalam mengelompokkan entitas berdasarkan berbagai indikator seperti dampak krisis ekonomi, kinerja perusahaan, adopsi digital, dan produksi komoditas. Data yang digunakan berasal dari sumber sekunder, termasuk dataset krisis ekonomi global (1970-2017), indikator kinerja perusahaan, persentase pengguna internet di ASEAN (2010), serta produksi komoditas perkebunan di Gunungkidul (2019). Metode penelitian meliputi tahapan preprocessing data (seleksi fitur, penghapusan missing values, dan normalisasi), penentuan jumlah klaster optimal menggunakan Elbow Method, dan evaluasi kualitas klaster dengan Silhouette Score. Hasil penelitian menunjukkan bahwa K-Means mampu mengelompokkan entitas dengan efektif, seperti membagi negara berdasarkan tingkat keparahan krisis ekonomi, perusahaan berdasarkan kinerja, negara ASEAN berdasarkan adopsi digital, serta kecamatan di Gunungkidul berdasarkan produksi komoditas. Temuan ini memberikan implikasi praktis bagi pengambilan kebijakan dan analisis lanjutan di berbagai sektor.

Downloads

Download data is not yet available.

References

Cecchett, S. G., & Schoenholtz, K. L. (2019), Money, Banking, and Financial Markets., Sixth Edition.

Fahmi (2019), Perilaku konsumen teori dan aplikasi.

Pujawan, I. N., & Mahendrawathi (2017), Supply Chain Management.

Pardimin, & Yasin, I., (2022), Human Resource and Technology in industry 4.0: strategies, challenges, and Applications.

Rosyada, I. A., & Utari, D. T. (2024). Penerapan Principal Component Analysis untuk Reduksi Variabel pada Algoritma K-Means Clustering. Jambura Journal of Probability and Statistics, 5(1), 6–13.

Rahmawati, L., & Sihwi, S. W., & Suryani, E. (2016). Analisa clustering menggunakan metode K‑Means dan Hierarchical Clustering (Studi kasus: Dokumen skripsi Jurusan Kimia, FMIPA, Universitas Sebelas Maret). ITSMART: Jurnal Teknologi dan Informasi, 3(2).

Rajsya, A., Purnawansyah, P., & Manga’, A. R. (2025). Rancang bangun penerapan metode elbow pada K‑Means untuk clustering data persediaan barang. Linear: Literatur Informatika dan Komputer, 1(4).

1. Dinata, R.K.; Retno, S.; Hasdyna, N. Minimization of the number of iterations in K-Medoids Clustering

with Purity Algorithm. Revue D’intelligence Artificielle, 2021, Volume 35, no. 3, pp. 193–199, doi: 10.18280/ria.350302

Gupta, M.K.; Chandra, P. A comprehensive survey of data mining. International Journal of Information Technology, 2020, Volume 12, pp. 1243–1257, doi: 10.1007/s41870-020-00427-7.

Mughnyanti, M.; Efendi, S.; Zarlis, M. Analysis of determining centroid clustering x-means algorithm with davies-bouldin index evaluation. IOP Conference Series. Materials Science and Engineering, 2020, Volume 725, no. 1, p. 012128, doi: 10.1088/1757-899x/725/1/012128.

Nainggolan, R.; Perangin-Angin, R.; Simarmata, E.; Tarigan, A.F. Improved the performance of the KMeans cluster using the Sum of Squared Error (SSE) optimized by using the Elbow Method. Journal of Physics. Conference Series, 2019, Volume 1361, no. 1, p. 012015, doi: 10.1088/1742-6596/1361/1/012015.

L. Wulandari and B. O. Yogantara, “Algorithm Analysis of K-Means and Fuzzy C-Means for Clustering Countries Based on Economy and Health,” vol. 15, no. 2, pp. 109–116, 2022

M. E. Al Rivan and R. A. Sonaru, “Perbandingan Metode K-Means Dan GA K-Means Untuk Clustering Dataset Heart Disease Patients,” J. Tek. Inform. dan Sist. Inf., vol. 9, no. 3, pp. 2585–2597, 2022.

Cesar, W. (2023). 4593-Article Text-15458-1-10-20230613 (1). Teknik Informatika Dan Sistem Informasi, 10(2), 340–354

Muningsih, E. (2018). Sistem Aplikasi Berbasis Optimasi Metode Elbow Untuk Penentuan Clustering Pelanggan. Joutica, 3(1), 117. https://doi.org/10.30736/jti.v3i1.196

Jain, A. K. (2010), Data clustering: 50 years beyond K-Means. Pattern Recognition Letters, 31(8), 651–666.

Han, J., Kamber, M., & Pei, J. (2012), Data Mining: Concepts and Techniques, 3rd Edition. Morgan Kaufmann.

Gunawan, B., & Santoso, A. (2020), Penerapan PCA pada Proses Clustering untuk Optimalisasi Waktu Komputasi. Jurnal Informatika Merdeka Pasuruan, 5(1), 56–63.