OPTIMALISASI MODEL CLUSTERING DATA PENDUDUK DESA FOHOEKA MENGGUNAKAN ALGORITMA K-MEANS

Ignasius Anjelino Emanuel; Ade Irma Purnamasari; Denni Pratama; Irfan Pratama

Authors

Ignasius Anjelino Emanuel STMIK IKMI Cirebon, Indonesia
Ade Irma Purnamasari STMIK IKMI Cirebon, Indonesia
Denni Pratama STMIK IKMI Cirebon, Indonesia
Irfan Pratama STMIK IKMI Cirebon, Indonesia

Keywords:

K-Means, klasterisasi demografis,, pra-pemrosesan, validitas klaster, Desa Fohoeka

Abstract

Penelitian ini mengembangkan dan menguji model optimalisasi algoritma K-Means untuk klasterisasi data kependudukan di Desa Fohoeka dengan tujuan meningkatkan akurasi, stabilitas, dan keterbacaan hasil segmentasi demografis sebagai dasar perencanaan desa berbasis bukti. Dataset yang digunakan berisi 1.690 rekaman individu dengan 16 atribut awal (setelah pra-pemrosesan dan one-hot encoding menjadi 59 fitur numerik). Tahapan metodologis meliputi pembersihan data (imputasi nilai hilang dan koreksi entri), transformasi variabel ordinal menjadi skala numerik, one-hot encoding untuk variabel kategorikal, standardisasi fitur (Standard Scaler), serta deteksi dan penanganan outlier sebelum pelatihan model. Untuk mengurangi sensitivitas inisialisasi centroid dan meningkatkan peluang konvergensi ke solusi yang lebih baik, diterapkan strategi inisialisasi cerdas (mis. K-Means++ dan multiple restarts) serta validasi pemilihan jumlah klaster melalui kombinasi Elbow Method, Silhouette Score, dan visualisasi WSS. Hasil evaluasi internal menunjukkan nilai Silhouette tertinggi pada k = 10; model akhir menghasilkan sepuluh klaster yang dapat diinterpretasikan secara demografis. Analisis centroid mengungkap pola heterogen: beberapa klaster besar didominasi oleh petani, ibu rumah tangga, dan pelajar (menandakan kelompok mayoritas dengan kebutuhan layanan dasar), sedangkan klaster kecil menunjukkan segmen berpendapatan relatif lebih tinggi atau pekerjaan profesional. Temuan menegaskan bahwa optimasi pra-pemrosesan dan inisialisasi signifikan meningkatkan koherensi klaster dan menurunkan dispersi intra-klaster, sehingga hasil klasterisasi lebih layak dipakai untuk penentuan prioritas program sosial, alokasi sumber daya, dan identifikasi kelompok rentan di tingkat desa. Rekomendasi penelitian mencakup pengujian varian robust K-Means untuk mengurangi pengaruh outlier dan integrasi data spasial untuk analisis agregasi berbasis lokasi.

References

E. Luthfi, A. Wahyu Wijayanto, And P. Statistika, “Analisis Perbandingan Metode Hirearchical, K-Means, Dan K-Medoids Clustering Dalam Pengelompokkan Indeks Pembangunan Manusia Indonesia,” No. 4, Pp. 761–773, 2021, [Online]. Available: Http://Journal.Feb.Unmul.Ac.Id/Index.Php/Inovasi

A. E. Pramitasari And Y. Nataliani, “Perbandingan Clustering Karyawan Berdasarkan Nilai Kinerja Dengan Algoritma K-Means Dan Fuzzy C-Means,” Jatisi (Jurnal Teknik Informatika Dan Sistem Informasi), Vol. 8, No. 3, Pp. 1119–1132, 2021, Doi: 10.35957/Jatisi.V8i3.957.

S. Kurniawan, A. M. Siregar, And H. Y. Novita, “Penerapan Algoritma K-Means Dan Fuzzy C-Means Dalam Mengelompokan Prestasi Siswa Berdasarkan Nilai Akademik,” Vol. Iv, No. 1, 2023.

R. A. Sotar, Putri Nency, Suardinata, “Analisa Penjualan Menggunakan Algoritma K-Means,” Stmik Indonesia Padang, Vol. 6, No. 1, P. 404, 2020, [Online]. Available: Http://Ijcs.Stmikindonesia.Ac.Id/Index.Php/Ijcs/Article/View/390/131

D. Ramdhan, G. Dwilestari, R. D. Dana, A. Ajiz, And K. Kaslani, “Clustering Data Persediaan Barang Dengan Menggunakan Metode K-Means,” Means (Media Informasi Analisa Dan Sistem), Vol. 7, No. 1, Pp. 1–9, 2022, Doi: 10.54367/Means.V7i1.1826.

D. Anggarwati, O. Nurdiawan, I. Ali, And D. A. Kurnia, “Penerapan Algoritma K-Means Dalam Prediksi Penjualan,” Jurnal Data Science & Informatika ( Jdsi ), Vol. 1, No. 2, Pp. 58–62, 2021.

W. Prihartono, “Analisis Segmentasi Pelanggan Menggunakan Algoritma K-Means,” Jurnal Informatika Dan Teknik Elektro Terapan, Vol. 13, No. 1, Pp. 665–673, 2025.

A. K. Jain, “Data Clustering: 50 Years Beyond K-Means,” Pattern Recognit. Lett., Vol. 145, Pp. 4–16, 2021.

D. Anggarwati, O. Nurdiawan, I. Ali, And D. A. Kurnia, “Penerapan Algoritma K-Means Dalam Prediksi Penjualan Karoseri,” Vol. 1, No. 2, Pp. 58–62, 2021.

Y. Dharma Putra, M. Sudarma, And I. B. A. Swamardika, “Clustering History Data Penjualan Menggunakan Algoritma K-Means,” Majalah Ilmiah Teknologi Elektro, Vol. 20, No. 2, P. 195, 2021, Doi: 10.24843/Mite.2021.V20i02.P03.

A. Yudhistira And R. Andika, “Pengelompokan Data Nilai Siswa Menggunakan Metode K-Means Clustering,” Journal Of Artificial Intelligence And Technology Information (Jaiti), Vol. 1, No. 1, Pp. 20–28, Feb. 2023, Doi: 10.58602/Jaiti.V1i1.22.

Ragil Prasojo And Yustina Retno, “Implementasi K-Means Clustering Pada Pengelompokan Potensi Kerjasama Pelanggan,” Jurnal Tikomsin, 2020.

E. Suprapto, “Pengelompokkan Potensi Padi Di Indonesia Menggunakan K-Means Cluster,” Jurnal Ilmiah Populer, Vol. 5, 2021.

M. G. Pradana, A. C. Nurcahyo, P. H. Saputro, U. A. Ata, And U. A. Ata, “Penerapan Metode K-Means Klustering Untuk Menentukan Kepuasan Pelanggan,” Citec Journal, Vol. 7, No. 1, Pp. 42–50, 2020.

I. A. Thaher, A. Septiariani, And N. Puspitasari, “Pengelompokan Kualitas Kinerja Pegawai Menggunakan Metode K-Means Grouping The Quality Of Employee Performance For Position Recommendations Using The K-Means Clustering Method,” Vol. 11, No. 28, Pp. 131–141, 2022, Doi: 10.34010/Komputika.V11i2.5518.

M. A. Ghofar And Y. I. Kurniawan, “Aplikasi Pengelompokan Pelanggan Pada Ums Store Menggunakan Algoritma K-Means,” 2018.

V. Purwayoga And B. Susanto, “Pengelompokkan Daerah Berdasarkan Ketersediaan Masjid Muhammadiyah Dengan Algoritma K-Means,” Vol. 13, No. 1, Pp. 75–80, 2021.

S. Sonang, A. T. Purba, And F. O. I. Pardede, “Pengelompokan Jumlah Penduduk Berdasarkan Kategori Usia Dengan Metode K-Means,” Jurnal Teknik Informasi Dan Komputer (Tekinkom), Vol. 2, No. 2, P. 166, 2019, Doi: 10.37600/Tekinkom.V2i2.115.

Y. Hartati, S. Defit, And G. W. Nurcahyo, “Klasterisasi Bibit Terbaik Menggunakan Algoritma K-Means Dalam Meningkatkan Penjualan,” Jurnal Informatika Ekonomi Bisnis, Vol. 3, Pp. 4–10, 2021, Doi: 10.37034/Infeb.V3i1.56.

I. Reisandi, Daryana, F. Sri Mulyati, And M. Fauzi, “Implementasi Clustering K-Means Terhadap Penilaian Kinerja Karyawan Pt Xyz,” Jurnal Sosial Dan Teknologi (Sostech), Vol. 1, No. 8, Pp. 757–767, 2021.

D. Gustian And M. S. Al-Farits, “Data Mining Untuk Melihat Minat Belajar Siswa Menerapkan Metode K-Means,” Journal Of Information System Research (Josh), Vol. 4, No. 3, Pp. 775–784, Apr. 2023, Doi: 10.47065/Josh.V4i3.3218.