Mini-Batch K-Means Clustering Untuk Pengelompokan Kemandirian Daerah Di Sulawesi Selatan
DOI:
https://doi.org/10.33795/jip.v11i2.6871Keywords:
algoritma minibatch k-means, indeks desa membangun, kemandirian desa, clusteringAbstract
Kurangnya pemetaan yang efisien mengenai tingkat kemandirian desa di Sulawesi Selatan menghambat perumusan kebijakan pembangunan yang tepat sasaran. Penelitian ini bertujuan untuk mengembangkan model clustering menggunakan algoritma Mini-Batch K-Means guna mengelompokkan desa berdasarkan tingkat kemandiriannya. Data yang digunakan mencakup Indeks Ketahanan Sosial (IKS), Indeks Ketahanan Ekonomi (IKE), dan Indeks Ketahanan Lingkungan (IKL) dari 2.000 desa di Sulawesi Selatan. Proses analisis melibatkan pre-processing data, penentuan jumlah klaster optimal menggunakan metode Elbow, serta penerapan Mini-Batch K-Means untuk pengelompokan desa. Hasil penelitian menunjukkan bahwa desa-desa dapat dikelompokkan ke dalam empat klaster utama: Desa Mandiri, Desa Maju, Desa Berkembang, serta gabungan Desa Tertinggal dan Desa Sangat Tertinggal. Evaluasi menggunakan Silhouette Coefficient mengindikasikan bahwa klaster Desa Mandiri memiliki kualitas pengelompokan terbaik dengan nilai 0,5398, sementara klaster Desa Berkembang memiliki nilai 0,1823, yang menunjukkan adanya tumpang tindih dengan klaster lain. Implementasi model ini memberikan gambaran yang lebih jelas terkait distribusi tingkat kemandirian desa dan dapat menjadi acuan dalam penyusunan strategi pembangunan yang lebih efektif dan berkelanjutan. Dari hasil penelitian ini, pemerintah daerah dan pemangku kepentingan dapat merumuskan kebijakan berbasis data yang lebih akurat, memastikan bahwa desa-desa yang membutuhkan intervensi lebih lanjut dapat memperoleh perhatian yang tepat. Rekomendasi strategi berbasis data ini diharapkan dapat meningkatkan efektivitas program pembangunan desa serta mempercepat pencapaian kesejahteraan yang merata di Sulawesi Selatan
Downloads
References
Andria, F., Rahmi, A., & Gunawan, A. D. (2023). IDM Clustering: Study of Village Potential Development Efforts in the Developing Category. International Journal of Latest Research in Humanities and Social Science (IJLRHSS), 06(01), 249–257.
Arifah, N., Anggraeni, R., & Mangilep, A. U. A. (2021). Studi Implementasi Sistem Rujukan Berjenjang Antar Fasilitas Kesehatan Tingkat Lanjut di Era JKN di Provinsi Sulawesi Selatan. Jurnal Manajemen Kesehatan Indonesia, 9(1), 45–52. https://doi.org/10.14710/jmki.9.1.2021.45-52
Arifin, F. (2024). Optimalisasi Pengelolaan Keuangan dan Aset Desa dalam Rangka Meningkatkan Efektivitas Pemerintahan Desa. Jurnal Ilmiah Hukum dan Hak Asasi Manusia, 4(1), 35–46. https://doi.org/10.35912/jihham.v4i1.3397
Badan Pusat Statistik. (2021). Jumlah Desa Mandiri Menurut Provinsi (Desa), 2019-2021. Jumlah Desa Mandiri. https://www.bps.go.id/id/statistics-table/2/MjE5MCMy/jumlah-desa-mandiri-menurut-provinsi.html
Fita, G. A., Asriani, A., Amiruddin, A., & Fariaty, C. N. (2022). Pendampingan Analisis Potensi Desa Wisata Di Desa Pamboborang Kecamatan Banggae Kabupaten Majene. MINDA BAHARU, 6(1), 134–143. https://doi.org/10.33373/jmb.v6i1.3909
Harahap, A. S., & Zulvia, P. (2021). Clustering Desa dengan Menggunakan Algoritma K-Means pada Data Potensi Desa. JURIKOM (Jurnal Riset Komputer), 8(6), 237. https://doi.org/10.30865/jurikom.v8i6.3724
Hicks, S. C., Liu, R., Ni, Y., Purdom, E., & Risso, D. (2021). mbkmeans: Fast clustering for single cell data using mini-batch k-means. PLOS Computational Biology, 17(1), e1008625. https://doi.org/10.1371/journal.pcbi.1008625
Lashiyanti, A. R., Munthe, I. R., & Nasution, F. A. (2023). Optimisasi Clustering Nilai Ujian Nasional dengan Pendekatan Algoritma K-Means, Elbow, dan Silhouette. Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI), 6(1), 14–20.
Latuconsina, F., Noya Van Delsen, M. S., & Yudistira. (2024). Klasifikasi Menggunakan Metode Support Vector Machine (SVM) Multiclass pada Data Indeks Desa Membangun (IDM) di Provinsi Maluku. Journal of Mathematics, Computations and Statistics, 7(2), 380–395. https://doi.org/10.35580/jmathcos.v7i2.3624
Liu, F., & Deng, Y. (2021). Determine the Number of Unknown Targets in Open World Based on Elbow Method. IEEE Transactions on Fuzzy Systems, 29(5), 986–995. https://doi.org/10.1109/TFUZZ.2020.2966182
Mulyadi, S., Insani, F., Agustian, S., & Afriyanti, L. (2024). Pengelompokan Data Pendistribusian Listrik Menggunakan Algoritma Mini Batch K-Means Clustering: Grouping Electricity Distribution Data Using The Mini Batch K-Means Clustering Algorithm. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(3), 1051–1062. https://doi.org/10.57152/malcom.v4i3.1425
Nur Fitria, M. C., Debataraja, N. N., & Rizki, S. W. (2022). Classification of Village Status in Landak Regency Using C5.0 Algorithm. Tensor: Pure and Applied Mathematics Journal, 3(1), 33–42. https://doi.org/10.30598/tensorvol3iss1pp33-42
Punhani, A., Faujdar, N., Mishra, K. K., & Subramanian, M. (2022). Binning-Based Silhouette Approach to Find the Optimal Cluster Using K-Means. IEEE Access, 10, 115025–115032. https://doi.org/10.1109/ACCESS.2022.3215568
Putri, C. J. A., Wahyudi, B., Utama, A. P., Widodo, P., & Saragih, H. J. R. (2024). Analisis Budaya Damai Suku To Balo dan Masyarakat Desa Bulo Bulo Kabupaten Barru Provinsi Sulawesi Selatan. Jurnal Kewarganegaraan, 8(1), 1229–1238. https://doi.org/10.31316/jk.v8i1.6452
Syoer, R. R., & Wahyudin, Y. (2021). (CLUSTER ANALYSIS WITH FUZZY CLUSTERING ALGORITHM Case Study Grouping Villages in Kalimantan Timur Province). BESTARI: Buletin Statistik dan Aplikasi Terkini, 1(1).
Thongnim, P., Sreekajon, J., & Pukseng, T. (2024). Enhancing Durian Cultivation Efficiency Through Data-Driven Smart Farming Using Cluster Analysis and Machine Learning. 2024 5th International Conference on Big Data Analytics and Practices (IBDAP), 67–72. https://doi.org/10.1109/IBDAP62940.2024.10689710
Tri, M. F., & Nataliani, Y. (2021). Analisis Pengaruh Penilaian Asesor terhadap Kinerja Guru Mata Pelajaran dengan k-Means Clustering. Indonesian Journal of Computing and Modeling, 4(1), 14–22. https://doi.org/10.24246/icm.v4i1.5063
