| dc.description.abstract | Provinsi Banten merupakan salah satu provinsi baru di Indonesia yang tidak luput dari permasalahan kemiskinan. Karakteristik wilayah yang berbeda menyebabkan adanya kesenjangan antar wilayah sampai level desa/kelurahan. Oleh karena itu, pengelompokan desa/kelurahan berdasarkan karakteristik wilayah dibutuhkan sebagai identifikasi awal pemetaan kemiskinan. Hasil pengelompokkan ini diharapkan dapat digunakan pemerintah untuk merencanakan pembangunan tepat sesuai sasaran. Analisis gerombol (cluster analysis) menjadi salah satu metode yang paling banyak digunakan untuk mengelompokkan sekumpulan objek menjadi beberapa gerombol. Objek-objek amatan tersebut dikelompokkan berdasarkan kemiripan karakteristik yang dimiliki.
Data yang digunakan pada penelitian ini yaitu data Podes 2018 Provinsi Banten dengan pemilihan peubah berdasarkan indikator kemiskinan. Peubah terpilih tersebut merupakan peubah bertipe campuran (numerik dan kategorik). Algoritme K-prototypes merupakan salah satu metode penggerombolan yang mampu mengatasi data bertipe campuran. Selain itu, algoritme K-prototypes memiliki keunggulan diantaranya bekerja secara efektif dalam jumlah data atau amatan cukup besar dan formulanya berbasis ukuran jarak sehingga mudah diaplikasikan. Algoritme K-prototypes juga memiliki kelemahan yaitu menghasilkan solusi gerombol lokal optimal karena sensitif terhadap penentuan inisialisasi pusat gerombol sehingga menghasilkan gerombol yang tidak unik. Meskipun demikian, karakteristik gerombol yang dihasilkan relatif sama.
Penelitian ini bertujuan untuk menggerombolkan wilayah desa/kelurahan di Provinsi Banten berdasarkan indikator kemiskinan menggunakan algoritme K-prototypes. Selanjutnya menentukan jumlah gerombol optimal yang dihasilkan dari algoritme K-prototypes. Gerombol optimal tersebut divisualisasikan dalam bentuk grafik dan peta tematik disertai dengan interpretasi karakteristik dari masing-masing gerombol.
Algoritme K-prototypes merupakan salah satu analisis gerombol nonhierarki yang menentukan jumlah gerombol di awal proses. Berbagai jumlah gerombol telah dicobakan dalam penelitian ini dari k=1 sampai k=15. Jumlah gerombol optimal ditentukan dari hasil evaluasi gerombol berdasarkan nilai rasio keragaman di dalam gerombol terhadap keragaman antar gerombol. Nilai rasio terkecil dianggap sebagai jumlah gerombol optimal. Pada penelitian ini menghasilkan nilai rasio terkecil sebesar 0.114 yaitu pada saat jumlah gerombol k=3.
Penggerombolan menggunakan algoritme K-prototypes menghasilkan 3 gerombol optimal. Gerombol 1 diidentifikasikan sebagai wilayah dengan pencapaian pembangunan paling rendah dibandingkan gerombol lainnya. Gerombol 2 wilayah yang memiliki capaian pembangunan berkategori menengah dan gerombol 3 wilayah dengan capaian pembangunan paling tinggi dibandingkan gerombol lainnya.
Kata kunci: Desa/kelurahan miskin, K-prototypes, penggerombolan, peubah campuran. | id |
