Pengelompokan Kabupaten/Kota di Provinsi Banten Menggunakan K-Means Clustering Berbasis Indikator Pembangunan Multidimensi untuk Penentuan Prioritas Program Daerah


Widyawati Widyawati(1*); Muhamad Oki Astrabuwono(2);

(1) Sistem Informasi, Universitas Pamulang, Serang, Indonesia
(2) Teknik Industri, Universitas Sultan Ageng Tirtayasa, Serang, Indonesia
(*) Corresponding Author

  

Abstract


Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Provinsi Banten berdasarkan indikator pembangunan multidimensi, menganalisis karakteristik setiap cluster, serta memberikan rekomendasi awal mengenai prioritas program daerah. Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan data sekunder yang bersumber dari publikasi resmi Badan Pusat Statistik Provinsi Banten tahun 2024. Objek penelitian mencakup 8 kabupaten/kota di Provinsi Banten dengan enam variabel, yaitu garis kemiskinan, tingkat pengangguran terbuka, pertumbuhan ekonomi, produk domestik regional bruto atas dasar harga konstan (PDRB ADHK), rata-rata lama sekolah, dan umur harapan hidup. Data dianalisis melalui tahapan normalisasi Min-Max dan implementasi algoritma K-Means Clustering menggunakan Python. Hasil penelitian menunjukkan bahwa kabupaten/kota di Provinsi Banten terbagi ke dalam tiga cluster, yaitu wilayah prioritas intervensi, wilayah berkembang, dan wilayah maju. Hasil evaluasi menunjukkan nilai Silhouette Score sebesar 0.3216 yang mengindikasikan kualitas cluster yang cukup. Hasil pengelompokan ini menegaskan adanya perbedaan karakteristik pembangunan antarwilayah, sehingga kebijakan pembangunan daerah tidak dapat diterapkan secara seragam. Penelitian ini berkontribusi dalam menyediakan pemetaan pembangunan daerah berbasis data multidimensi yang dapat digunakan sebagai dasar awal untuk mendukung penyusunan kebijakan pembangunan yang lebih terarah, objektif, dan sesuai dengan kebutuhan masing-masing wilayah.

Keywords


K-Means Clustering; Indikator Pembangunan Daerah; Pengelompokan Wilayah; PDRB ADHK; Provinsi Banten

  
  

Full Text:

PDF
  

Article Metrics

Abstract view: 93 times
PDF view: 52 times 		     

Digital Object Identifier

doi  https://doi.org/10.33096/busiti.v7i2.3383 		  

Cite

How to cite item

References


BPS Provinsi Banten, “Indeks Pembangunan Manusia (IPM) Menurut Kabupaten/Kota di Provinsi Banten,” BPS Provinsi Banten. Accessed: Mar. 15, 2026. [Online]. Available: https://banten.bps.go.id/id/statistics-table/2/NzMjMg%3D%3D/indeks-pembangunan-manusia---ipm--menurut-kabupaten-kota-di-provinsi-banten.html

R. N. Puspita, “Analisis K-Means Cluster pada Kabupaten/Kota di Provinsi Banten Berdasarkan Indikator Indeks Pembangunan Manusia,” Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika, vol. 2, no. 3, pp. 267–281, Dec. 2021, doi: 10.46306/lb.v2i3.

M. N. N. Akmal, A. Yusuf, A. M. Munier, and M. T. R. Noor, “Analisis K-Means Cluster Kabupaten/Kota di Provinsi Kalimantan Selatan berdasarkan Indikator Indeks Pembangunan Manusia,” Komputika : Jurnal Sistem Komputer, vol. 14, no. 2, pp. 125–131, Nov. 2025, doi: 10.34010/komputika.v14i2.16301.

G. F. Anwar, U. Khaira, and P. E. P. Utomo, “Clustering Wilayah Di Indonesia Berdasarkan Kualitas Pendidikan Menggunakan Algoritma Fuzzy C-Means,” Information System Journal, vol. 8, no. 02, pp. 167–178, Nov. 2025, doi: 10.24076/infosjournal.2025v8i02.2442.

G. R. Wahyudi, R. Rahmaddeni, E. Dini, S. Adrianto, and R. Fadila, “Pengelompokan Kabupaten di Indonesia untuk Pemetaan Pendapatan Daerah Menggunakan Algoritma K-Means,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 3, pp. 1143–1151, Aug. 2025, doi: 10.57152/malcom.v5i3.2206.

Badan Pusat Statistik Provinsi Banten, “Jumlah dan Persentase Penduduk Miskin Menurut Kabupaten/Kota di Provinsi Banten, 2024,” Badan Pusat Statistik Provinsi Banten. Accessed: Mar. 15, 2026. [Online]. Available: https://banten.bps.go.id/id/statistics-table/3/UkVkWGJVZFNWakl6VWxKVFQwWjVWeTlSZDNabVFUMDkjMw%3D%3D/jumlah-dan-persentase-penduduk-miskin-menurut-kabupaten-kota-di-provinsi-banten--2024.html

Badan Pusat Statistik Provinsi Banten, “Umur Harapan Hidup Menurut Kabupaten/Kota di Provinsi Banten,” Badan Pusat Statistik Provinsi Banten. Accessed: Mar. 15, 2026. [Online]. Available: https://banten.bps.go.id/id/statistics-table/2/NzQjMg%3D%3D/umur-harapan-hidup-menurut-kabupaten-kota-di-provinsi-banten.html

Badan Pusat Statistik Provinsi Banten, “Rata-Rata Lama Sekolah Menurut Kabupaten/Kota di Provinsi Banten,” Badan Pusat Statistik Provinsi Banten. Accessed: Mar. 15, 2026. [Online]. Available: https://banten.bps.go.id/id/statistics-table/2/NzYjMg%3D%3D/rata-rata-lama-sekolah-menurut-kabupaten-kota-di-provinsi-banten.html

Badan Pusat Statistik Provinsi Banten, “PDRB ADHK Menurut Kabupaten/Kota di Provinsi Banten,” Badan Pusat Statistik Provinsi Banten. Accessed: Mar. 15, 2026. [Online]. Available: https://banten.bps.go.id/id/statistics-table/2/MzEyIzI%3D/pdrb-adhk-menurut-kabupaten-kota-di-provinsi-banten.html

Badan Pusat Statistik Provinsi Banten, “Laju Pertumbuhan PDRB ADHK Menurut Kab/Kota di Provinsi Banten,” Badan Pusat Statistik Provinsi Banten. Accessed: Mar. 15, 2026. [Online]. Available: https://banten.bps.go.id/id/statistics-table/2/MzEzIzI%3D/laju-pertumbuhan-pdrb-adhk-menurut-kab-kota-di-provinsi-banten.html

Badan Pusat Statistik Provinsi Banten, “Tingkat Pengangguran Terbuka (TPT) Menurut Kabupaten/Kota di Provinsi Banten,” Badan Pusat Statistik Provinsi Banten. Accessed: Mar. 15, 2026. [Online]. Available: https://banten.bps.go.id/id/statistics-table/2/MTU3IzI%3D/tingkat-pengangguran-terbuka-tpt-menurut-kabupaten-kota.html

Scikit-Learn Developers, “MinMaxScaler,” scikit-learn. Accessed: Mar. 15, 2026. [Online]. Available: https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html

Scikit-Learn Developers, “scikit-learn 1.8.0 documentation,” scikit-learn. Accessed: Mar. 15, 2026. [Online]. Available: https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html

G. E. Okereke, M. C. Bali, C. N. Okwueze, E. C. Ukekwe, S. C. Echezona, and C. I. Ugwu, “K-means clustering of electricity consumers using time-domain features from smart meter data,” Journal of Electrical Systems and Information Technology, vol. 10, no. 1, pp. 1–8, Jan. 2023, doi: 10.1186/s43067-023-00068-3.

C. Wongoutong, “The impact of neglecting feature scaling in k-means clustering,” PLoS One, vol. 19, no. 12, Dec. 2024, doi: 10.1371/journal.pone.0310839.

A. M. Ikotun, A. E. Ezugwu, A. M. Abu-Mahfouz, Y. Li, M. Masadeh, and A. A. Akinyelu, “K-means clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data,” Inf. Sci. (N. Y)., vol. 622, pp. 178–210, Apr. 2023, doi: https://doi.org/10.1016/j.ins.2022.11.139.

Scikit-learn Developers, “Dokumentasi clustering (2.3. Clustering),” scikit-learn. Accessed: Mar. 15, 2026. [Online]. Available: https://scikit-learn.org/stable/modules/clustering.html

Scikit-learn Developers, “Dokumentasi KMeans,” scikit-learn. Accessed: Mar. 15, 2026. [Online]. Available: https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html

W. Junthopas and C. Wongoutong, “Pre-Determining the Optimal Number of Clusters for k-Means Clustering Using the Parameters Package in R and Distance Metrics,” Applied Sciences (Switzerland), vol. 15, no. 21, pp. 1–20, Oct. 2025, doi: 10.3390/app152111372.

H. Irwandi, O. S. Sitompul, and S. Sutarman, “K-Means Performance Optimization Using Rank Order Centroid (ROC) And Braycurtis Distance,” Sinkron : Jurnal dan Penelitian Teknik Informatika, vol. 6, no. 2, pp. 472–478, Apr. 2022, doi: 10.33395/sinkron.v7i2.11371.

M. T. H. Lubis and M. S. Hasibuan, “Measurement of Centroid Distance in Determining Stunting Clusters,” Journal La Multiapp, vol. 5, no. 3, pp. 270–285, Aug. 2024, doi: 10.37899/journallamultiapp.v5i3.1479.

S. Developers, “K-means,” Scikit-learn Documentation. Accessed: May 03, 2026. [Online]. Available: https://scikit-learn.org/stable/modules/clustering.html#k-means

F. Pedregosa FABIANPEDREGOSA et al., “Scikit-learn: Machine Learning in Python Gaël Varoquaux Bertrand Thirion Vincent Dubourg Alexandre Passos PEDREGOSA, VAROQUAUX, GRAMFORT ET AL. Matthieu Perrot,” 2011. [Online]. Available: http://scikit-learn.sourceforge.net.

A. Farhan AlShammari, “Implementation of Clustering using K-Means in Python,” Int. J. Comput. Appl., vol. 186, no. 40, pp. 12–17, Sep. 2024, doi: 10.5120/ijca2024923990.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Buletin Sistem Informasi dan Teknologi Islam (BUSITI)

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