Clustering Wilayah Pulau Sumatera Berdasarkan Indikator Sosial Ekonomi Menggunakan Metode K-Medoids

Ika Desy Pramita Sari; Sefni Marcella Pratiwi; Harun Al Rosyid

doi:10.31004/riggs.v4i4.4836

Authors

Ika Desy Pramita Sari Universitas Negeri Surabaya
Sefni Marcella Pratiwi Universitas Negeri Surabaya
Harun Al Rosyid Universitas Negeri Surabaya

DOI:

https://doi.org/10.31004/riggs.v4i4.4836

Keywords:

Clustering, Sumatera, K-Medoids, PCA

Abstract

Ketidakseimbangan kondisi sosial ekonomi antarwilayah masih menjadi tantangan utama dalam pembangunan di Indonesia, khususnya di Pulau Sumatera yang memiliki keragaman kondisi geografis dan tingkat perkembangan wilayah. Perbedaan capaian indikator sosial ekonomi, seperti pendidikan, kesehatan, pengangguran, dan kemiskinan, menunjukkan perlunya pemetaan wilayah berbasis data untuk memetakan kemiripan karakteristik wilayah secara objektif. Penelitian ini bertujuan mengelompokkan 150 kabupaten/kota di Pulau Sumatera berdasarkan indikator sosial ekonomi menggunakan metode K-Medoids. Menggunakan data sekunder Badan Pusat Statistik (BPS) tahun 2023 yang mencakup Indeks Pembangunan Manusia (IPM), Angka Harapan Hidup (AHH), Rata-rata Lama Sekolah (RLS), Tingkat Pengangguran Terbuka (TPT), dan kemiskinan. Tahapan penelitian meliputi prapemrosesan data melalui penghapusan pada nilai kosong dan normalisasi menggunakan metode Min–Max Scaling, termasuk pembalikan skala pada indikator yang bersifat negatif terhadap kesejahteraan. Penentuan jumlah cluster optimal ditentukan melalui kombinasi metode Elbow dan Silhouette Score. Hasil analisis menunjukkan struktur data paling representatif terbentuk pada tiga cluster. Penerapan algoritma K-Medoids menghasilkan pengelompokan wilayah ke dalam tiga cluster dengan karakteristik sosial ekonomi relatif rendah, menengah, dan tinggi. Visualisasi menggunakan Principal Component Analysis (PCA) menunjukkan pola pemisahan cluster yang cukup jelas dan membantu interpretasi struktur pengelompokan wilayah. Pada hasil akhir, cluster pertama terdiri atas 34 kabupaten/kota, cluster kedua mencakup 84 kabupaten/kota, dan cluster ketiga beranggotakan 32 kabupaten/kota, yang menggambarkan distribusi ketimpangan sosial ekonomi antarwilayah di Pulau Sumatera.

Downloads

Download data is not yet available.

References

D. Hastari, F. Nurunnisa, S. Winanda, and D. Dwi Aprillia, “Penerapan Algoritma K-Means dan K-Medoids untuk MengelompokkanData Negara Berdasarkan Faktor Sosial-Ekonomi dan Kesehatan,” SENTIMAS Semin. Nas. Penelit. dan Pengabdi. Masy., pp. 274–281, 2023, [Online]. Available: https://journal.irpi.or.id/index.php/sentimas

J. Homepage et al., “MALCOM: Indonesian Journal of Machine Learning and Computer Science Comparison of K-Means and K-Medoids on Poor Data Clustering in Indonesia Perbandingan K-Means dan K-Medoids Pada Pengelompokan Data Miskin di Indonesia,” Indones. J. Mach. Learn. Comput. Sci., vol. 2, no. 2, pp. 35–41, 2022.

I. M. Nur and A. Abdurakhman, “Analysis of Social Vulnerability in Java Island using K-Medoids Algorithm with Variation of Distance Measurements (Euclidean, Manhattan, Minkowski),” Indones. J. Artif. Intell. Data Min., vol. 7, no. 2, p. 467, 2024, doi: 10.24014/ijaidm.v7i2.31111.

A. Eka Putra Haryanto, M. Ulfa Yanuar, D. Statistika Bisnis, and F. Vokasi, “Metode K-Means Clustering untuk Pengelompokan Kabupaten/Kota dalam Upaya Pengendalian Tingkat Inflasi di Pulau Jawa dan Sumatera K-Means Clustering Method for District/City Grouping in Effort to Control Inflation Rates in Java and Sumatera,” vol. 1, pp. 29–42, 2022, [Online]. Available: https://doi.org/10.21787/govstat.1.1.2022.29-42

F. Alfiah, D. Al Farizi, and E. Widodo, “Analisis Clustering K-Medoids Berdasarkan Indikator Kemiskinan di Jawa Timur Tahun 2020,” J. Ilm. Sains, vol. 22, no. April, pp. 1–7, 2020.

A. N. Damayanti and A. I. Mustakim, “Analisis Faktor yang Memengaruhi Indeks Pembangunan Manusia di Provinsi Jawa Barat Tahun 2023 Menggunakan Metode Analisis Komponen Utama dan Analisis Faktor,” J. Kaji. dan Penelit. Umum, vol. 2, no. 6, pp. 14–23, 2024, doi: 10.47861/jkpu-nalanda.v2i6.1373.

H. Hafid, S. M. Meliyana, I. Muthahharah, and Z. Mar’ah, “Implementation K-Medoids Algorithm for Clustering Indonesian Provinces by Poverty and Economic Indicators,” Quant. Econ. Manag. Stud., vol. 6, no. 2, pp. 219–225, 2025, doi: 10.35877/454ri.qems3940.

dan R. R. M. R. Mubarok, A. T. J. Harjanto, “PENINGKATAN PERFORMA DBSCAN DENGAN REDUKSI DIMENSI PRINCIPAL COMPONENT ANALYSIS (PCA) DALAM KLASTERISASI TINGKAT KEMISKINAN DI INDONESIA,” J. Inform. Teknol. dan Sains, vol. 7, pp. 1176–1184, 2025, doi: https://doi.org/10.51401/jinteks.v7i3.6129.

K. H. Izzuddin and A. W. Wijayanto, “Pemodelan Clustering Ward, K-Means, Diana, dan PAM dengan PCA untuk Karakterisasi Kemiskinan Indonesia Tahun 2021,” Komputika J. Sist. Komput., vol. 13, no. 1, pp. 41–53, 2024, doi: 10.34010/komputika.v13i1.10803.

U. Hasanah, M. R. Fauziah, A. Fitrianto, E. Erfiani, and L. M. R. D. Jumansyah, “Perbandingan Algoritma Klasterisasi dengan Principal Component Analysis pada Indikator Sosial Ekonomi Kesehatan Jawa Timur,” Techno.Com, vol. 23, no. 4, pp. 847–863, 2024, doi: 10.62411/tc.v23i4.11534.

Bagus Candra Setiawan, Arum Nilawati, Rahmad Ferdian, Raihan Aditya Saputra, Yemima Putri Santoso, and Muhammad Riefky, “Analisis Cluster Hierarki Pada Tingkat Kemiskinan di Provinsi Sumatera Utara tahun 2023,” LogicLink, vol. 2, no. 1, pp. 42–55, 2025, doi: 10.28918/logiclink.v2i1.10762.

A. Ikhram and Sani Mutia, “Penerapan Algoritma K-Medoids untuk Pengelompokan Provinsi di Indonesia Berdasarkan Indikator Kemiskinan: Akses Perumahan dan Kesejahteraan,” Emerg. Stat. Data Sci. J., vol. 3, no. 2, pp. 583–596, 2025, doi: 10.20885/esds.vol3.iss.2.art13.

Retsya Lapiza, Syafriandi, N. Amalita, and D. Fitria, “Grouping The Districts in Sumatera Region Based on Economic Development Indicators Using K-Medoids and CLARA Methods,” UNP J. Stat. Data Sci., vol. 1, no. 1, pp. 16–22, 2023, doi: 10.24036/ujsds/vol1-iss1/13.

R. Setiana, D. W. Astuti, and M. Safir, “Pengelompokan Jumlah Pengangguran di Sumatera Utara Menggunakan Algoritma K-Means dan K-Medoids.,” IT J., vol. 11, no. 2A, pp. 385–396, 2023.

L. Rhomaningtias, M. N. Kusharyadi, R. Westerdam Sean Jatindra, T. -, and M. Nasrudin, “Analisis Perbandingan Metode K-Medoid Dan Agglomerative Hierarchical Clustering Pada Data Konsumsi Rempah-Rempah Di Kabupaten / Kota,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 3, 2025, doi: 10.23960/jitet.v13i3.7071.