IMPLEMENTASI K-MEANS DAN DAVIES BOULDIN INDEX UNTUK PENGELOMPOKAN DAERAH DI SULAWESI TENGGARA BERDASARKAN INDIKATOR PENDIDIKAN DENGAN VISUALISASI SISTEM INFORMASI GEOGRAFIS

Sahrul; Natalis Ransi; Muhammad Arfan

doi:10.33772/anoatik.v4i1.133

Penulis

Sahrul Ilmu Komputer, Universitas Halu Oleo
Natalis Ransi Ilmu Komputer, Universitas Halu Oleo
Muhammad Arfan Ilmu Komputer, Universitas Halu Oleo

DOI:

https://doi.org/10.33772/anoatik.v4i1.133

Abstrak

Penelitian ini menerapkan algoritma K-Means yang diintegrasikan dengan Davies-Bouldin Index (DBI) untuk mengelompokkan wilayah berdasarkan indikator pendidikan. Metode DBI berfungsi menentukan jumlah klaster optimal secara objektif sebelum proses klasterisasi dengan K-Means dilakukan. Hasil penelitian memperoleh jumlah klaster terbaik k=2 (nilai DBI 0,6035) yang mengelompokkan 17 wilayah menjadi dua klaster yang kohesif. Hasil klastering divalidasi secara visual menggunakan Principal Component Analysis (PCA) dan berhasil divisualisasikan dalam peta tematik berbasis Sistem Informasi Geografis (SIG) melalui sistem web yang dibangun dengan framework Streamlit. Simpulan penelitian ini adalah kombinasi K-Means dan DBI menghasilkan klasterisasi wilayah yang objektif dan terukur, serta sistem web memudahkan visualisasi hasilnya secara interaktif.

Kata Kunci:

K-Means, DBI, SIG, Klasterisasi

Unduhan

Data unduhan belum tersedia.

Referensi

Aprilia, H., & Agustiani, D. (2021). Application of Data Mining Using the K-Means Algorithm in Rural and Urban Land and Building Tax (PBB-P2) Receivables Data in Bantul Regency. Journal of Physics: Conference Series, 1823. https://doi.org/10.1088/1742-6596/1823/1/012063.

Amrulloh, K., Pudjiantoro, T. H., Sabrina, P. N., & Hadiana, A. I. (2022). Comparison Between Davies-bouldin Index and Silhouette Coefficient Evaluation Methods in Retail Store Sales Transaction Data Clusterization Using K-medoids Algorithm. In Proceedings of the 3rd South American International Industrial Engineering and Operations Management Conference, Asuncion, Paraguay (pp. 19-21).

Claudio, G., & Nor, M. (2023). Penerapan Metode K-Means Dalam Pengelompokan Kabupaten / Kota Di Kalimantan Berdasarkan Indikator Pendidikan Application Of the K-Means Method In Regencies / Cities Grouping In Kalimantan Based On Educational Indicators. 14(November), 57–66.

Dharshinni, N. P., Singh, G., Simamora, A., Naibaho, J. A. T., & Tobing, R. D. L. (2023). Penerapan Algoritma K-Means pada Data Pengangguran di Jawa Barat. Data Sci. Indones, 3(1), 23-34.

Dakhi, Y. L., & Ningsi, B. A. (2024). Pengelompokan Kabupaten dan Kota Provinsi Sumatera Utara Berdasarkan Indikator Kesejahteraan Rakyat Menggunakan Algoritma K-Means. Clustering of Districts and Cities in North Sumatra Province Based on People’s Welfare Indicators Using K-Means Algorithm. 4(July), 993–1003.

Ferdiansyah, I., Huda, B., & Hananto, A. (2024). Analisis Clustering Menggunakan Metode K-Means pada Kemiskinan di Jawa Timur Tahun 2020. 4, 858–869.

Hanifah, S., & Primandari, A. H. (2023). Implementasi Metode K-Means Clustering dalam Pengelompokan Kabupaten / Kota di Provinsi NTB. 1(3), 378–393.

Hapsari, R. K., Kom, M., & Tutuk Indriyani, S. T. Buku Ajar Data Mining.

Henderi, H., Wahyuningsih, T., & Rahwanto, E. (2021). Comparison of Min-Max Normalization and Z-Score Normalization in the K-nearest Neighbor (KNN) Algorithm to Test the Accuracy of Types of Breast Cancer. International Journal of Informatics and Information Systems, 4(1), 13-20.

Ikhwan, A., & Aslami, N. (2020). Implementasi Data Mining untuk Manajemen Bantuan Sosial Menggunakan Algoritma K-Means. 4(2).

Julyantari, N. K. S., Budiarta, I. K., & Putri, N. M. D. K. (2021). Implementasi K-Means untuk Pengelompokan Status Gizi Balita (Studi Kasus Banjar Titih). Jurnal Janitra Informatika dan Sistem Informasi, 1(2), 92-101.

Kasim, R. J., Bahri, S., & Amir, S. (2012). Implementasi Metode K-Means untuk Clustering Data Penduduk Miskin dengan Systematic Random Sampling. 95–101.

Malius, H., & Dani, A. A. H. (2021). Sistem Informasi Sekolah Berbasis Web pada Sekolah Dasar Negeri (SDN) 109 Seriti. Indonesian Journal Of Education And Humanity, 1(3), 156-168.

Mughyanti, M., Efendi, S., & Zarlis, M. (2020). Analysis of Determining Centroid Clustering K-means Algorithm with Davies-bouldin Index Evaluation. In IOP Conference Series: Materials Science and Engineering (Vol. 725, No. 1, p. 012128). IOP Publishing.

Muningsih, E., Maryani, I., & Handayani, V. (2021). Penerapan Metode K-Means dan Optimasi Jumlah Cluster dengan Index Davies Bouldin untuk Clustering Provinsi Berdasarkan Potensi Desa. , 9. https://doi.org/10.31294/EVOLUSI.V9I1.10428.

,Putri, N. B., & Wijayanto, A. W. (2022). Analisis Komparasi Algoritma Klasifikasi Data Mining dalam Klasifikasi Website Phishing. Komputika : Jurnal Sistem Komputer, 11(1), 59-66. https://doi.org/10.34010/komputika.v11i1.4350

Sudiro, F. S., Nasir, N., Lilianti, L., & Mujiati, M. (2024). Studi Perbandingan Ketersediaan Sarana dan Prasarana Pendidikan di Sekolah di Kawasan Perkotaan dan Perdesaan. Jurnal Isema: Islamic Educational Management, 9(1), 25-36.

Sharma, S. (2025). Geographical Information System (GIS). International Journal of Advanced Research in Science, Communication and Technology. https://doi.org/10.48175/ijarsct-26278.

Sinaga, K. P., & Yang, M. (2020). Unsupervised K-Means Clustering Algorithm. 8. https://doi.org/10.1109/ACCESS.2020.2988796

Sudarsono, B. G., & Leo, M. I. (2021). Analisis Data Mining Data NETFLIX Menggunakan Aplikasi RAPID MINER Analysis Data Mining NETFLIX Data Using the RAPID MINER. 4(1), 13–21.

Susanto, E. R. (2021). Sistem Informasi Geografis (GIS) Tempat Wsata di Kabupaten Tanggamus. Jurnal Teknologi Dan Sistem Informasi, 2(3), 125-135.

Syahril, M., Erwansyah, K., & Yetri, M. (2020). Penerapan Data Mining untuk Menentukan Pola Penjualan Peralatan Sekolah pada Brand Wigglo Dengan Menggunakan Algoritma Apriori. 3(1), 118–136.

Umagapi, I. T., & Umaternate, B. (n.d.). Uji Kinerja K-Means Clustering Menggunakan Davies-Bouldin Index pada Pengelompokan Data Prestasi Siswa. 303–308.

Virgo, I., Defit, S., & Yuhandri, Y. (2020). Klasterisasi Tingkat Kehadiran Dosen Menggunakan Algoritma K-Means Clustering. Jurnal Sistem Informasi dan Teknologi, 23-28.