Pengklasifikasian 10 Kabupaten/Kota di Provinsi Nusa Tenggara Barat untuk Kasus Kemiskinan Tahun 2022 Menggunakan Analisis Cluster Metode K-Means

Authors : Sabna Zulfaa Sabina; Harsyiah Lisa; Dzaki Ade Alfarez; Syifa Salsabila Satya Graha; Muhammad Yuzaul Auladi
article cite 0 Year 2024
source: Indonesian Journal of Applied Statistics and Data Science
Abstract

Kemiskinan merupakan masalah yang sangat serius bagi negara-negara di dunia, terutama bagi negara berkembang seperti Indonesia. Kemiskinan akan sangat berdampak apabila terjadi dalam jangka panjang dengan faktor yang berbeda-beda. Salah satu provinsi yang masih menjadi sorotan dalam kasus kemiskinan yang cukup tinggi yaitu Provinsi Nusa Tenggara Barat. Meskipun jumlah penduduk miskin di Provinsi Nusa Tenggara Barat menurun, kondisi di lapangan menunjukkan bahwa masih banyak masyarakat yang hidup jauh dari kata layak. Oleh karena itu, pemerintah harus segera mencari jalan keluar untuk mengatasi masalah kemiskinan tersebut. Untuk mengatasi kasus kemiskinan pada suatu wilayah, kita dapat melakukan pengelompokkan karakteristik wilayah-wilayah tersebut berdasarkan indikator kemiskinan ke dalam beberapa cluster. Pengelompokkan pada kasus ini dilakukan dengan data yang akan dianalisis menggunakan analisis cluster metode k-means. Sehingga diperoleh hasil untuk pengelompokkan 10 Kabupaten/ Kota di Provinsi Nusa Tenggara Barat berdasarkan kemiskinan pada tahun 2022 terbentuk 3 cluster yaitu cluster 1 terdiri dari Kabupaten Sumbawa Barat, Kota Bima, dan Kota Mataram, cluster 2 terdiri dari Kabupaten Bima, Kabupaten Dompu, Kabupaten Lombok Barat, Kabupaten Lombok Tengah, Kabupaten Lombok Timur, dan Kabupaten Sumbawa, dan cluster 3 terdiri dari Kabupaten Lombok Utara. Selain itu, diperoleh pula karakteristik setiap cluster yaitu cluster 1 berisi kabupaten/ kota dengan memiliki nilai PPM tertinggi. Sementara RLS, AHH, dan TPT memiliki angka sangat tinggi pada tahun 2022, cluster 2 berisikan kabupaten /kota yang memiliki angka PPM, RLS, AHH, dan TPT cukup rendah pada tahun 2022, dan cluster 3 berisi kelompok kabupaten/ kota dengan RLS, AHH, dan TPT memiliki angka yang cukup rendah dibandingkan dengan PPM yang tinggi pada tahun 2022.


Concepts :
Economic Growth and Fiscal Policies
Data Mining and Machine Learning Applications
article cite 0 Year 2024 source Indonesian Journal of Applied Statistics and Data Science
Citations by Year
YearCount
2024 0