Analisis Perbandingan Algoritma K-means dan Gaussian Mixture Model (GMM) dalam Cluster Data (Studi Kasus : Indikator Kemiskinan Berdasarkan Kabupaten/kota di Jawa Tengah Tahun 2020)

Abstract

Pandemi Covid-19 memberikan dampak pada penurunan pendapatan penduduk di semua lapisan masyarakat dan mendorong perubahan perilaku dan aktivitas ekonomi sehingga memicu kemiskinan terutama pada masyarakat yang masuk ke dalam golongan rentan miskin. Menurut BPS, Jawa Tengah merupakan salah satu provinsi di Pulau Jawa yang paling terdampak Covid-19. Pada tahun 2020 persentase penduduk miskin sebesar 11,41%, persentase ini mengalami peningkatan dari tahun 2019 sebelumnya yang persentase penduduk miskinnya berada di angka 10,80%. Kemiskinan yang terjadi dalam suatu wilayah dalam jangka waktu yang panjang akan berdampak pada terhambatnya pembangunan nasional. Pemerintah perlu mendapatkan gambaran kemiskinan setiap kabupaten/kota di Jawa Tengah untuk mengambil kebijakan penanggulangan kemiskinan. Untuk menunjang keberhasilan pelaksanaan program pembangunan demi mengurangi kemiskinan di Provinsi Jawa Tengah diperlukan suatu penelitian yang dapat mengelompokkan Kabupaten/Kota di Jawa Tengah yang mempunyai ciri-ciri atau karakteristik kemiskinan yang hampir sama atau homogen. Penelitian ini menggunakan analisis Non hierarchical clustering yaitu algoritma K-Means dan Gaussian Mixture Model yang bertujuan untuk mengelompokkan indikator kemiskinan berdasarkan Kabupaten/Kota di Provinsi Jawa Tengah tahun 2020. Hasil dari penelitian ini didapatkan dari seluruh indeks clustering (connectivity, dunn, silhouette) menunjukkan hasil clustering terbaik dengan Gaussian Mixture Model dan jumlah cluster sebanyak 3. Cluster 1 meliputi 10 Kabupaten/Kota, cluster 2 meliputi 19 Kabupaten/Kota, cluster 3 meliputi 6 Kabupaten/Kota.