Perbandingan K-Means, Fuzzy C-Means, dan Hierarki dalam Penggerombolan Kabupaten/Kota Jawa Tengah Berdasarkan Tingkat Kemiskinan

Abstract

Kemiskinan merupakan salah satu tantangan utama dalam mencapai pembangunan berkelanjutan dan kesejahteraan yang merata di Indonesia. Jawa Tengah sebagai salah satu provinsi terpadat menghadapi masalah kemiskinan yang terus berlanjut dan memerlukan strategi penanganan yang tepat. Setiap daerah memiliki karakteristik berbeda, oleh karena itu memerlukan pendekatan spesifik dan terarah untuk mengatasi kemiskinan secara efektif. Analisis gerombol merupakan salah satu metode yang dapat mengelompokan daerah berdasarkan karakteristik yang mirip sehingga diharapkan dapat membantu memetakan kelompok daerah untuk strategi penanganan yang lebih spesifik dan sesuai karakteristiknya. Penelitian ini menganalisis tingkat kemiskinan di 35 kabupaten/kota di Jawa Tengah pada tahun 2024 meliputi faktor ekonomi, sosial, dan pendidikan yang berkaitan dengan tingkat kemiskinan dan bertujuan untuk membandingkan hasil pengelompokan menggunakan metode K-Means, Fuzzy C-Means, dan Hierarki. Average Linkage merupakan metode terbaik dengan nilai silhouette sebesar 0,3318. Gerombol 1 memiliki tiga anggota dengan tingkat pengangguran tertinggi. Gerombol 2 adalah gerombol terbesar dengan tingkat kemiskinan mendekati rata-rata Provinsi Jawa Tengah. Gerombol 3 mewakili daerah dengan tingkat kemiskinan tertinggi, sedangkan Gerombol 4 mewakili daerah yang memiliki kondisi ekonomi sosial lebih baik dengan tingkat kemiskinan terendah.

Poverty remains one of the major challenges to achieving sustainable development and equitable welfare in Indonesia. As one of the most populous provinces in the country, Central Java continues to face persistent poverty issues that require appropriate and targeted intervention strategies. Since each region has distinct characteristics, a more specific and tailored approach is needed to effectively address poverty. Cluster analysis is a statistical method that groups regions with similar characteristics, therefore facilitating the identification of regional clusters that can support the development of more targeted and characteristic-based poverty alleviation strategies. This study analyzes poverty conditions across the 35 regencies and municipalities in Central Java in 2024 by considering economic, social, and educational factors associated with poverty. It also compares the clustering results obtained using the K-Means, Fuzzy C-Means, and Hierarchical clustering methods. Based on the silhouette coefficient, the Average Linkage method produced the best clustering performance, with a silhouette value of 0,3318. Cluster 1 consists of three regions characterized by the highest unemployment rates. Cluster 2 is the largest cluster, with poverty levels close to the provincial average of Central Java. Cluster 3 represents regions with the highest poverty levels, whereas Cluster 4 comprises regions with relatively better socioeconomic conditions and the lowest poverty levels.