Electronic Theses and Dissertation

Analisis cluster merupakan metode yang bertujuan untuk mengelompokkan data atau objek berdasarkan kesamaan dan perbedaan karakteristiknya. Sehingga objek dalam sebuah cluster memiliki kesamaan lebih besar atau lebih kecil bila dibandingkan dengan cluster lainnya. K-Means merupakan salah satu metode pengelompokan yang memproses semua objek penelitian secara sekaligus. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota miskin di Indonesia berdasarkan indikator kesejahteraan dengan metode K-Means serta mengetahui kabupaten/kota mana saja yang menjadi prioritas dalam bidang non pangan serta mengetahui tingkat perubahan kemiskinan kabupaten/kota pada tahun 2020 dengan 2021. Hasil penelitian menunjukkan bahwa dengan mengelompokkan kabupaten/kota kedalam 5 cluster maka dapat diperoleh pada tahun 2020 Cluster 1 (prioritas 1) terdiri dari 36 kabupaten/kota, cluster 2 (prioritas 4) terdiri dari 109 kabupaten/kota, cluster 3 (prioritas 2) terdiri dari 22 kabupaten/kota, cluster 4 (prioritas 3) terdiri dari 138 kabupaten/kota, dan cluster 5 (prioritas 5) terdiri dari 209 kabupaten/kota. Sedangkan pada tahun 2021 diperoleh cluster 1 (prioritas 1) terdiri dari 25 kabupaten/kota, cluster 2 (prioritas 4) terdiri dari 117 kabupaten/kota, cluster 3 (prioritas 3) terdiri dari 24 kabupaten/kota, cluster 4 (prioritas 2) terdiri dari 60 kabupaten/kota, dan cluster 5 (prioritas 5) terdiri dari 288 kabupaten/kota. Hasil penelitian tersebut menunjukkan bahwa terjadinya perubahan terhadap beberapa jumlah anggota cluster, seperti pada tahun 2020 sebanyak 36 kabupaten/kota yang menjadi prioritas 1 sedangkan pada tahun 2021 sebanyak 25 kabupaten/kota. Artinya terjadi pergeseran sebanyak 11 kabupaten/kota yang menandakan peningkatan pada jumlah wilayah di prioritas lainnya. Perubahan tersebut menunjukkan bahwa terjadinya penurunan tingkat kemiskinan pada tahun 2021.
Kata kunci: Kemiskinan, Clustering, K-Means.

Cluster analysis is a method that aims to group data or objects based on similarities and differences in their characteristics. So that objects in a cluster have greater or smaller similarities when compared to other clusters. K-Means is a grouping method that processes all research objects at once. This study aims to group poor districts/cities in Indonesia based on welfare indicators using the K-Means method and find out which districts/cities are priorities in the non-food sector and determine the level of change in district/city poverty in 2020 to 2021. The results showed that by grouping districts/cities into 5 clusters, it can be obtained that in 2020 Cluster 1 (priority 1) consists of 36 districts/cities, cluster 2 (priority 4) consists of 109 districts/cities, cluster 3 (priority 2) consists of 22 districts/cities, cluster 4 (priority 3) consists of 138 districts/cities, and cluster 5 (priority 5) consists of 209 districts/cities. Meanwhile, in 2021, cluster 1 (priority 1) consists of 25 districts/cities, cluster 2 (priority 4) consists of 117 districts/cities, cluster 3 (priority 3) consists of 24 districts/cities, cluster 4 (priority 2) consists of 60 districts/cities, and cluster 5 (priority 5) consists of 288 districts/cities. The results of the study show that there have been changes in the number of cluster members, such as in 2020 as many as 36 districts/cities that are priority 1 while in 2021 as many as 25 districts/cities. It means that there is a shift of 11 districts/cities which indicates an increase in the number of areas in other priorities. These changes show that there will be a decrease in the poverty rate in 2021. Keywords: Poverty, Clustering, K-Means.