APPLICATION OF THE K-MEANS METHOD FOR GROUPING COMMUNITY WELFARE LEVELS IN CENTRAL JAVA PROVINCE

Taufik Hidayat, Yuni Handayani, Dian Novitaningrum

Abstract


Abstract: Welfare is one of the things that determines the progress of a region, to achieve the welfare of its people, especially in the economic sector, a technique is needed to measure welfare that continues to change. This study aims to analyze the differences in the level of community welfare in Central Java Province by grouping regions based on several indicators. Grouping is done using data from various sources that include the main indicators of welfare. The method used in this study uses the K-Means data mining algorithm to group regional data according to their level of welfare. The results of the analysis divide the regions into three categories: Medium Welfare Level, which includes Banyumas, Purworejo, Boyolali, Klaten, Sukoharjo, Karanganyar, Sragen, Kudus, Jepara, Demak, Semarang, Kendal, and Pekalongan City and Tegal City, High Welfare Level, consisting of Magelang City, Surakarta City, Salatiga City, and Semarang City; and Low Welfare Level, covering Cilacap, Purbalingga, Banjarnegara, Kebumen, Wonosobo, Magelang, Wonogiri, Grobogan, Blora, Rembang, Pati, Temanggung, Batang, Pekalongan, Pemalang, Tegal, and Brebes Regencies. The findings show that the C2 region has a longer average length of schooling, higher per capita expenditure, and better HDI, reflecting a higher quality of life. This study provides an overview of welfare inequality in Central Java Province and suggests the need for more focused policies to improve the quality of life in each category of region.        


Keywords: clustering; k-means; welfare

 

Abstrak: Kesejahreraan merupakan salah satu hal yang menentukan kemajuan suatu wilayah, untuk mencapai kesejahteraan masyarakatnya terutama di bidang ekonomi di perlukan teknik untuk mengukur kesejahteraan yang terus berubah, Penelitian ini bertujuan untuk menganalisis perbedaan tingkat kesejahteraan masyarakat di Provinsi Jawa Tengah dengan mengelompokkan wilayah berdasarkan beberapa indikator. Pengelompokan dilakukan menggunakan data dari berbagai sumber yang mencakup indikator-indikator utama kesejahteraan. Metode yang di gunakan dalam penelitian ini menggunakan algoritma data mining K-Means untuk mengelompokkan data wilayah menurut tingkat kesejahteraannya. Hasil analisis membagi wilayah menjadi tiga kategori: Tingkat Kesejahteraan Sedang, yang mencakup Kabupaten Banyumas, Purworejo, Boyolali, Klaten, Sukoharjo, Karanganyar, Sragen, Kudus, Jepara, Demak, Semarang, Kendal, serta Kota Pekalongan dan Kota Tegal, Tingkat Kesejahteraan Tinggi, terdiri dari Kota Magelang, Kota Surakarta, Kota Salatiga, dan Kota Semarang; dan Tingkat Kesejahteraan Rendah, mencakup Kabupaten Cilacap, Purbalingga, Banjarnegara, Kebumen, Wonosobo, Magelang, Wonogiri, Grobogan, Blora, Rembang, Pati, Temanggung, Temuan menunjukkan bahwa wilayah C2 memiliki rata-rata lama sekolah yang lebih panjang, pengeluaran per kapita yang lebih tinggi, dan IPM yang lebih baik, mencerminkan kualitas hidup yang lebih tinggi. Penelitian ini memberikan gambaran tentang ketidakmerataan kesejahteraan di Provinsi Jawa Tengah dan menyarankan perlunya kebijakan yang lebih terfokus untuk meningkatkan kualitas hidup di setiap kategori wilayah.

 

Kata Kunci: clustering; k-means;  kesejahteraan


Full Text:

PDF

References


E. Sugiharto, J. Sosial, E. P. Fpik, and U. Samarinda, “TINGKAT KESEJAHTERAAN MASYARAKAT NELAYAN DESA BENUA BARU ILIR BERDASARKAN INDIKATOR BADAN PUSAT STATISTIK (The Welfare Level of Fisherman Society of Benua Baru Ilir Village Based on Badan Pusat Statistik Indicator),” Epp, vol. 4, no. 2, pp. 32–36, 2007.

N. A. Nabilah, H. Perdana, and E. Sulistianingsih, “Pengelompokan Provinsi Di Indonesia Berdasarkan Indikator Kesejahteraan Masyarakat Dengan Algoritma K-Means++,” Bul. Ilm. Math. Stat. dan Ter., vol. 13, no. 3, pp. 419–426, 2024.

T. Hidayat, “Klasifikasi Data Jamaah Umroh Menggunakan Metode K-Means Clustering,” J. Sistim Inf. dan Teknol., vol. 4, pp. 19–24, 2022, doi: 10.37034/jsisfotek.v4i1.115.

D. Fitriani, T. N. Padilah, and B. N. Sari, “Penerapan Algoritma K-Means Dalam Pengelompokan Kesejahteraan Rakyat Berdasarkan Kecamatan di Kabupaten Karawang,” Progresif J. Ilm. Komput., vol. 17, no. 2, p. 73, 2021, doi: 10.35889/progresif.v17i2.649.

N. Nugroho and F. D. Adhinata, “Penggunaan Metode K-Means dan K-Means++ Sebagai Clustering Data Covid-19 di Pulau Jawa,” Teknika, vol. 11, no. 3, pp. 170–179, 2022, doi: 10.34148/teknika.v11i3.502.

S. Wulandari and D. Novita, “Analisis Clustering Virus MERS-CoV Menggunakan Metode Spectral Clustering Dan Algoritma K-Means,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 5, no. 3, p. 315, 2021, doi: 10.30998/string.v5i3.7942.

T. Nanda Khofifah and R. Fajriyah, “Perbandingan Dampak Bencana Angin Kencang Tahun 2020 Dan 2021 Daerah Istimewa Yogyakarta Berdasarkan Metode K-means Clustering,” Emerg. Stat. Data Sci. J., vol. 2, no. 1, pp. 107–121, 2024, doi: 10.20885/esds.vol2.iss.1.art11.

S. Hanifah and A. H. Primandari, “Implementasi Metode K-Means Clustering dalam Pengelompokan Kabupaten/ Kota di Provinsi NTB Berdasarkan Indikator Pendidikan,” Emerg. Stat. Data Sci. J., vol. 1, no. 3, pp. 378–393, 2023, doi: 10.20885/esds.vol1.iss.3.art44.

S. H. Widiastuti and R. Jumardi, “Pengelompokan Daerah Rawan Demam Berdarah dengan Metode K-Means Clustering,” J. Inf. dan Teknol., vol. 4, no. 4, pp. 185–190, 2022, doi: 10.37034/jidt.v4i4.213.

D. Ramdhan, G. Dwilestari, R. D. Dana, A. Ajiz, and K. Kaslani, “Clustering Data Persediaan Barang Dengan Menggunakan Metode K-Means,” MEANS (Media Inf. Anal. dan Sist., vol. 7, no. 1, pp. 1–9, 2022, doi: 10.54367/means.v7i1.1826.

M. Yunus, “Metode Clustering K-Means Pada Penjualan Handphone,” vol. 4, no. 2, pp. 75–87, 2024.




DOI: https://doi.org/10.33330/jurteksi.v11i1.3602

Article Metrics

Abstract view : 12 times
PDF - 6 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK ROYAL 

Copyright © LPPM STMIK ROYAL

 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.