CLUSTERING KABUPATEN/KOTA DI PROVINSI PAPUA BERDASARKAN INDIKATOR KEMISKINAN MENGGUNAKAN METODE K-MEDOIDS

Abstrak

Badan Pusat Statistik (BPS) telah merilis berbagai variabel terkait informasi kemiskinan tingkat kabupaten/kota di Indonesia pada tahun 2020. Angka kemiskinan tiap kabupaten/kota di Indonesia berbeda-beda. Perbedaan ini disebabkan oleh banyak indikator yang berbeda seperti: indeks pembangunan manusia, angka penduduk, pendapatan per kapita, angka melek huruf, akses terhadap pendidikan, akses terhadap air bersih dan kualitas yang cukup, dll. Sehingga digunakan metode clustering K-Medoids untuk mengelompokkan berdasarkan indikator-indikator tersebut. Algoritma K-Medoids merupakan salah satu metode clustering yang diusulkan untuk mengatasi kelemahan algoritma K-Means yang sensitif terhadap outlier karena suatu objek dengan nilai yang tinggi dapat menyimpang secara signifikan dari sebaran datanya. Algoritm K-Medoids menggunakan data alih-alih merata-ratakan pusat cluster. Dengan menggunakan analisis K-Medoids diperoleh cluster optimal sebanyak 2 cluster yang dikategorikan sebagai Kabupaten/Kota dengan indikator kemiskinan sedang dan tinggi dari 29 kabupaten/kota, dimana pada cluster 1 dengan 17 Kabupaten/Kota tergolong kemiskinan tinggi karena pada cluster ini Indeks Pembangunan Manusia dan Laju Pertumbuhan PDRB tergolong rendah dan Persentase Penduduk Miskin tinggi. Untuk cluster 2 dengan 12 Kabupaten/kota tergolong kemiskinan sedang karena pada cluster ini Indeks Pembangunan Manusia dan Laju Pertumbuhan PDRB tinggi sedangkan Persentase Penduduk Miskin rendah.