PENENTUAN CLUSTER OPTIMUM UNTUK MENGELOMPOKAN KABUPATEN DI JAWA TIMUR BERDASARKAN TINGKAT PENGANGGURAN DAN TINGKAT KEMISKINAN MENGGUNAKAN METODE K-MEANS

Di Jawa Timur tingkat pengangguran dan tingkat kemiskinan mengalami
perubahan setiap tahunnya di beberapa kabupaten/kota. Pengetahuan tentang kelompok
wilayah yang terdapat dalam masing-masing kelompok dapat membantu pengambilan
kebijakan berbeda-beda setiap tahunnya yang akan dibuat oleh pemerintah provinsi.
Pada penelitian sebelumnya ada pengetahuan untuk mengetahui kelompok
wilayah namun menggunakan atribut atau variabel yang berbeda. Penelitian ini
menggunakan algoritma K-Means Clustering untuk mengetahui kelompok wilayah
kabupaten/kota di Jawa Timur dengan pengukuran performance menggunakan teknik
Davies-Bouldin Index untuk mencari cluster terbaiknya. Data yang digunakan adalah
data tingkat pengangguran dan tingkat kemiskinan kabupaten provinsi Jawa Timur
yang memiliki karakteristik 12 fitur dan 456 record.
Dari hasil penelitian yang dilakukan diperoleh cluster terbaiknya sebesar 3
karena memiliki nilai Davies-Bouldin Index (DBI) yang paling minimum yaitu
0.651284382, untuk pengelompokan 2 cluster diperoleh nilai Davies-Bouldin Index
(DBI) 0.732798572, dan pengelompokan 4 cluster diperoleh nilai Davies-Bouldin
Index (DBI) 0.693562132.

Kata kunci: Data Mining, Clustering, K-Means, Davies-Bouldin Index