Klasterisasi Jumlah Penduduk Provinsi Jawa Timur Tahun 2021-2023 Menggunakan Algoritma K-Means

Authors

  • Risqi Pradana Aryanto Universitas Muhammadiyah Jember
  • Agung Nilogiri Universitas Muhammadiyah Jember
  • Ari Eko Wardoyo Universitas Muhammadiyah Jember

DOI:

https://doi.org/10.14421/jiska.2024.9.2.134-146

Keywords:

Population Distribution, Clustering, East Java, K-Means, Elbow Method, Data Mining

Abstract

Understanding the population data of a region is crucial for policy development and strategic planning. East Java Province, the second-largest province in Indonesia, has undergone significant population growth from 2021 to 2023. Uneven growth poses challenges in resource and infrastructure management. The K-Means algorithm clusters population data into several groups based on specific characteristics. The Elbow method is used to determine the optimal number of clusters, ensuring the accuracy of the analysis. This research aims to analyze and cluster the population distribution in each city in East Java Province, providing a more detailed and accurate depiction. The research findings reveal three significant clusters. Cluster 0 includes 21 towns, Cluster 1 comprises 4, and Cluster 2 encompasses 13. These findings have important implications for targeted development policy formulation at the city level in East Java Province. Additionally, this study contributes to the development of demographic analysis and population management, using valid methods and consistent results between RapidMiner and manual calculations. In conclusion, this research provides a solid foundation for more effective development policy formulation in East Java Province, offering essential information for sustainable population management.

References

Anjelita, M., Windarto, A. P., & Hartama, D. (2019). Pemanfaatan Data Mining pada Pengelompokan Provinsi Terhadap Pencemaran Lingkungan Hidup. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 3(1). https://doi.org/10.30865/komik.v3i1.1675

Anufia, B., & Alhamid, T. (2019). Instrumen Pengumpulan Data. OSF. https://doi.org/10.31227/OSF.IO/S3KR6

Badan Pusat Statistik. (2024, March 14). Jumlah Penduduk Provinsi Jawa Timur (Jiwa), 2021-2023. Badan Pusat Statistik Kota Kediri. https://kedirikota.bps.go.id/indicator/12/358/1/jumlah-penduduk-provinsi-jawa-timur.html

Budiana, N. D., Siregar, R. R. A., & Susanti, M. N. I. (2019). Penetapan Instruktur Diklat Menggunakan Metode Clustering K-Means dan Topsis Pada PT PLN (Persero) Udiklat Jakarta. PETIR, 12(2), 111–121. https://doi.org/10.33322/petir.v12i2.454

Dewi, F. P., Aryni, P. S., & Umaidah, Y. (2022). Implementasi Algoritma K-Means Clustering Seleksi Siswa Berprestasi Berdasarkan Keaktifan dalam Proses Pembelajaran. JISKA (Jurnal Informatika Sunan Kalijaga), 7(2), 111–121. https://doi.org/10.14421/jiska.2022.7.2.111-121

Fahrozi, A. Al, Insani, F., Budianita, E., & Afrianty, I. (2023). Implementasi Algoritma K-Means dalam Menentukan Clustering pada Penilaian Kepuasan Pelanggan di Badan Pelatihan Kesehatan Pekanbaru. Indonesian Journal of Innovation Multidisipliner Research, 1(4), 474–492. https://doi.org/10.31004/IJIM.V1I4.53

Fitriyah, H., Safitri, E. M., Muna, N., Khasanah, M., Aprilia, D. A., & Nurdiansyah, D. (2023). Implementasi Algoritma Clustering dengan Modifikasi Metode Elbow untuk Mendukung Strategi Pemerataan Bantuan Sosial di Kabupaten Bojonegoro. Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika Dan Statistika, 4(3), 1598–1607. https://doi.org/10.46306/lb.v4i3.453

Harahap, L. M., Fuadi, W., Rosnita, L., Darnila, E., & Meiyanti, R. (2022). Klastering Sayuran Unggulan Menggunakan Algoritma K-Means. Jurnal Teknik Informatika Dan Sistem Informasi, 8(3), 567–579. https://doi.org/10.28932/jutisi.v8i3.5277

Herviany, M., Putri Delima, S., Nurhidayah, T., & Kasini, K. (2021). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokkan Daerah Rawan Tanah Longsor Pada Provinsi Jawa Barat. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 1(1), 34–40. https://doi.org/10.57152/malcom.v1i1.60

Naldy, E. T., & Andri, A. (2021). Penerapan Data Mining Untuk Analisis Daftar Pembelian Konsumen Dengan Menggunakan Algoritma Apriori Pada Transaksi Penjualan Toko Bangunan MDN. Jurnal Nasional Ilmu Komputer, 2(2), 89–101. https://doi.org/10.47747/jurnalnik.v2i2.525

Nawassyarif, M. Julkarnain, & Rizki Ananda, K. (2020). Sistem Informasi Pengolahan Data Ternak Unit Pelaksana Teknis Produksi dan Kesehatan Hewan Berbasis Web. Jurnal Informatika, Teknologi Dan Sains, 2(1), 32–39. https://doi.org/10.51401/jinteks.v2i1.556

Nofiar, A., Defit, S., & Sumijan. (2019). Penentuan Mutu Kelapa Sawit Menggunakan Metode K-Means Clustering. Jurnal KomtekInfo, 5(3), 1–9. https://doi.org/10.35134/komtekinfo.v5i3.26

Sadewo, M. G., Windarto, A. P., & Wanto, A. (2018). Penerapan Algoritma Clustering dalam Mengelompokkan Banyaknya Desa/Kelurahan Menurut Upaya Antisipasi/Mitigasi Bencana Alam Menurut Provinsi dengan K-Means. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 2(1), 311–319. https://doi.org/10.30865/komik.v2i1.943

Sholeh, M., Suraya, S., & Andayati, D. (2022). Machine Linear untuk Analisis Regresi Linier Biaya Asuransi Kesehatan dengan Menggunakan Python Jupyter Notebook. JEPIN (Jurnal Edukasi Dan Penelitian Informatika), 8(1), 20–27. https://doi.org/10.26418/JP.V8I1.48822

Syahfitri, N., Budianita, E., Nazir, A., & Afrianty, I. (2023). Pengelompokan Produk Berdasarkan Data Persediaan Barang Menggunakan Metode Elbow dan K-Medoid. KLIK: Kajian Ilmiah Informatika Dan Komputer, 4(3), 1668–1675. https://doi.org/10.30865/KLIK.V4I3.1525

Talakua, M. W., Leleury, Z. A., & Taluta, A. W. (2017). Analisis Cluster dengan Menggunakan Metode K-Means untuk Pengelompokkan Kabupaten/Kota di Provinsi Maluku Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2014. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 11(2), 119–128. https://doi.org/10.30598/barekengvol11iss2pp119-128

Triandini, M., Defit, S., & Nurcahyo, G. W. (2021). Data Mining dalam Mengukur Tingkat Keaktifan Siswa dalam Mengikuti Proses Belajar pada SMP IT Andalas Cendekia. Jurnal Informasi Dan Teknologi, 167–173. https://doi.org/10.37034/jidt.v3i3.120

Triyansyah, D., & Fitrianah, D. (2018). Analisis Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing. Jurnal Telekomunikasi Dan Komputer, 8(3), 163–182. https://doi.org/10.22441/incomtech.v8i3.4174

Virgo, I., Defit, S., & Yuhandri, Y. (2020). Klasterisasi Tingkat Kehadiran Dosen Menggunakan Algoritma K-Means Clustering. Jurnal Sistim Informasi Dan Teknologi, 2(1), 23–28. https://doi.org/10.37034/jsisfotek.v2i1.17

Wicaksana, R. S., Heksaputra, D., Syah, T. A., & Nur’aini, F. F. (2023). Pendekatan K-Means Clustering Metode Elbow Pada Analisis Motivasi Pengunjung Festival Halal JHF#2. Jurnal Ilmiah Ekonomi Islam, 9(3), 4162. https://doi.org/10.29040/jiei.v9i3.10591

Yudhistira, A., & Andika, R. (2023). Pengelompokan Data Nilai Siswa Menggunakan Metode K-Means Clustering. Journal of Artificial Intelligence and Technology Information (JAITI), 1(1), 20–28. https://doi.org/10.58602/jaiti.v1i1.22

Downloads

Published

2024-05-25

How to Cite

Aryanto, R. P., Nilogiri, A., & Wardoyo, A. E. (2024). Klasterisasi Jumlah Penduduk Provinsi Jawa Timur Tahun 2021-2023 Menggunakan Algoritma K-Means. JISKA (Jurnal Informatika Sunan Kalijaga), 9(2), 134–146. https://doi.org/10.14421/jiska.2024.9.2.134-146

Issue

Section

Articles