PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR KEMISKINAN MENGGUNAKAN METODE K-MEANS DAN K-MEDOIDS

Abstract

Kemiskinan merupakan isu kompleks yang tetap menjadi tantangan utama bagi pembangunan di Indonesia, sehingga pemetaan profil kemiskinan yang akurat di tingkat provinsi sangat diperlukan untuk mendukung perumusan kebijakan yang tepat sasaran. Penelitian ini bertujuan untuk membandingkan kinerja metode K-Means dan K-Medoids dalam mengelompokkan 38 provinsi di Indonesia berdasarkan lima indikator utama kemiskinan yang dirilis oleh Badan Pusat Statistik (BPS) per Maret 2024, meliputi garis kemiskinan, persentase penduduk miskin (p0), indeks kedalaman kemiskinan (p1), indeks keparahan kemiskinan (p2), dan pengeluaran per kapita. Analisis data dimulai dengan normalisasi data, sedangkan penentuan jumlah klaster optimal dilakukan melalui Elbow Method yang menghasilkan nilai k=3. Kualitas klaster diuji menggunakan Davies-Bouldin Index (DBI) dan silhouette index. Hasil penelitian menunjukkan bahwa metode K-Means membentuk tiga klaster kemiskinan yang terdiri dari klaster rendah (12 provinsi), sedang (20 provinsi), dan tinggi (6 provinsi) dengan nilai DBI sebesar 0,7448 dan silhouette score sebesar 0,4290. Di sisi lain, metode K-Medoids menghasilkan pengelompokan masing-masing sebanyak 13, 17, dan 8 provinsi dengan nilai DBI sebesar 0,7884 dan Silhouette score sebesar 0,3948. Meskipun tingkat keselarasan antara kedua metode mencapai 92,1% (35 dari 38 provinsi), metode K-Means terbukti menghasilkan kualitas klaster yang sedikit lebih baik. Selain itu, seluruh provinsi di wilayah Papua secara konsisten berada dalam klaster kemiskinan tertinggi, yang menegaskan perlunya perhatian lebih di wilayah Indonesia bagian timur.