Main Content
Lembaga Kita Journal Portal

Abstract

Penelitian ini membahas perbandingan antara dua metode klasterisasi, yaitu K-Means dan Hierarchical Clustering, dalam mengelompokkan data penduduk miskin di Kabupaten Cianjur pada periode 2018-2021. K-Means digunakan untuk membagi data ke dalam jumlah klaster tertentu yang telah ditentukan sebelumnya, sementara Hierarchical Clustering memungkinkan pembentukan klaster berbasis hierarki tanpa memerlukan jumlah klaster awal. Hasil analisis menunjukkan bahwa K-Means memiliki keunggulan dalam hal kecepatan dan efisiensi, terutama untuk dataset besar dengan distribusi data yang seragam. Di sisi lain, Hierarchical Clustering lebih efektif dalam mengungkap pola yang kompleks dan menawarkan visualisasi dendrogram untuk analisis mendalam. Dengan menggunakan kedua metode ini, pengambilan keputusan terkait kebijakan sosial dapat lebih terarah, berdasarkan analisis data yang akurat dan mendalam. Penelitian ini memberikan kontribusi penting untuk mendukung program pengentasan kemiskinan secara lebih optimal.

Keywords

Clustering Hierarchical Clustering K-Means Kemiskinan Pengambilan Kebijakan

How to Cite

Citation Format
Putra, I. P., & Fadhillah, A. (2025). Perbandingan Metode K-Means dan Hierarchical Clustering dalam Pengelompokan Data Penduduk Miskin di Kabupaten Cianjur. LANCAH: Jurnal Inovasi Dan Tren, 3(1), 227~234. https://doi.org/10.35870/ljit.v3i1.4028

References

11 References
  • Amaliyah, S., & Rianti Agustini, S. (n.d.). Jurnal Informatika Dan Rekayasa Komputer (JAKAKOM) Penerapan Data Mining Untuk Menentukan Kelompok Prioritas Penerima Bantuan PKH Menggunakan Metode Clustering K-Means Pada Desa Kuala Dendang. http://ejournal.unama.ac.id/index.php/jakakom
  • Carr-Hill, R. (2015). Non-Household Populations: Implications for Measurements of Poverty Globally and in the UK. Journal of Social Policy, 44, 255–275. https://doi.org/10.1017/S0047279414000907
  • Edmiston, D. (2023). Who counts in poverty research? The Sociological Review. https://doi.org/10.1177/00380261231213233
  • FullBook Pengenalan Data Mining. (n.d.).
  • Klasen, S. (1997). Poverty, Inequality and Deprivation in South Africa: An Analysis of the 1993 SALDRU Survey. Social Indicators Research, 41, 51–94. https://doi.org/10.1007/978-94-009-1479-7_3
  • Mongi, C., Langi, Y., Montolalu, C., & Nainggolan, N. (2019). Comparison of hierarchical clustering methods (case study: data on poverty influence in North Sulawesi). IOP Conference Series: Materials Science and Engineering, 567. https://doi.org/10.1088/1757-899X/567/1/012048
  • Novitasari, N., Nuris, N. D., & Herdiana, R. (2023). Jurnal Informatika Terpadu PENERAPAN ALGORITMA K-MEANS UNTUK CLUSTERING DATA JUMLAH PENDUDUK MISKIN BERDASARKAN KOTA/KABUPATEN DI JAWA BARAT MENGGUNAKAN RAPIDMINER. Jurnal Informatika Terpadu, 9(1), 68–73. https://journal.nurulfikri.ac.id/index.php/JIT
  • Santoso, B., Wijayanto, H., Notodiputro, K., & Sartono, B. (2018). A Comparative Study of Synthetic Over-sampling Method to Improve the Classification of Poor Households in Yogyakarta Province. IOP Conference Series: Earth and Environmental Science, 187. https://doi.org/10.1088/1755-1315/187/1/012048
  • Sonang, S., Purba, A. T., & Pardede, F. O. I. (2019). PENGELOMPOKAN JUMLAH PENDUDUK BERDASARKAN KATEGORI USIA DENGAN METODE K-MEANS. Jurnal Teknik Informasi Dan Komputer (Tekinkom), 2(2), 166. https://doi.org/10.37600/tekinkom.v2i2.115
  • Sudibyo, N. A., Iswardani, A., Sari, K., Suprihatiningsih, S., Duta, U., & Surakarta, B. (n.d.). PENERAPAN DATA MINING PADA JUMLAH PENDUDUK MISKIN DI INDONESIA. 1(3), 2020. https://doi.org/10.46306/lb.v1i3
  • Tarigan, N. M. Br., Tarigan, S. E. Br., & Simatupang, A. (2023). Implementation of Data Mining in Grouping Data of the Poor Using the K-Means Method. Journal of Computer Networks, Architecture and High Performance Computing. https://doi.org/10.47709/cnahpc.v5i2.2625

Author Biographies

Ihsan Pratama Putra, STMIK-IM

Teknik Informatika, STMIK-IM, Indonesia

Avram Fadhillah, STMIK-IM

Teknik Informatika, STMIK-IM, Indonesia

License

Copyright (c) 2025 Ihsan Pratama Putra, Avram Fadhillah

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

This is an open-access journal distributed under the Creative Commons Attribution 4.0 International License (CC BY 4.0), which permits unrestricted use, distribution, reproduction, and adaptation in any medium (even commercially), provided appropriate credit is given to the original author(s), a link to the license is provided, and any changes made are indicated. Authors retain copyright without restrictions and grant the journal the right of first publication as well as non-exclusive publishing rights for archiving, indexing, and scholarly dissemination.

Downloads

OJS UsageStats Plugin
Download data is not yet available.

Similar Articles

You may also start an advanced similarity search for this article.

Contrimetric

Recommended Articles