Last modified: 2023-06-15
Abstract
Analisis klaster adalah salah satu teknik yang dikenal dalam data mining yaitu sebuah metode yang bertujuan untuk mengelompokkan data (objek) berdasarkan informasi dalam data. Penelitian ini menggunakan pengelompokan non-hierarki yaitu algoritma K-Medoids untuk mengelompokkan Kabupaten/kota di Pulau Kalimantan berdasarkan indikator kemiskinan dan metode Principal Component Analysis (PCA) untuk mereduksi variabel penelitian. Pada penelitian ini juga dilakukan uji validitas klaster untuk melihat berapa jumlah klaster yang memiliki pengelompokan terbaik menggunakan metode Silhouette Coefficient (SC). Berdasarkan hasil analisis diketahui bahwa data direduksi menjadi sebanyak 3 Principal Component (PC) dengan menggunakan metode PCA dan didapatkan hasil pengelompokan Kabupaten/kota di Pulau Kalimantan berdasarkan indikator kemiskinan menggunakan algoritma K-Medoids yang paling optimal adalah dengan klaster sebanyak 2 dan nilai SC sebesar 0.612. Algoritma K-Medoids menghasilkan 2 klaster, di mana klaster 1 beranggotakan 49 Kabupaten dan klaster 2 beranggotakan 7 Kota.