Komparasi Algoritma K-Means dan DBSCAN dalam Klasterisasi Indeks Pembangunan Gender Tingkat Kabupaten/Kota di Indonesia
Comparison of K-Means and DBSCAN Algorithms in Clustering Indonesia's Regional Gender Development Index
DOI:
https://doi.org/10.57152/ijirse.v6i1.2838Kata Kunci:
DBSCAN , k-means, klusterisasi, indeks pembangunan gender, PCAAbstrak
Analisis terhadap ketimpangan pencapaian pembangunan antara laki-laki dan perempuan memerlukan pendekatan pemodelan data tingkat lanjut dalam pemetaan distribusi spasial secara akurat. Penelitian ini mengeksplorasi masalah disparitas pembangunan gender di tingkat kabupaten/kota di Indonesia menggunakan data tahun 2025 yang diakses dari BPS pada Mei 2026 dengan melakukan studi perbandingan antara dua algoritma yaitu K-Means dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Pemecahan masalah difokuskan pada pengelompokkan 514 wilayah administratif di Indonesia menggunakan indikator pembentuk Indeks Pembangunan Manusia (IPM) berbasis gender, yang meliputi Angka Harapan Lama Sekolah, Rata-rata Lama Sekolah, Pengeluaran per Kapita yang Disesuaikan, dan Umur Harapan Hidup saat lahir. Metodologi yang digunakan dalam penelitian ini yaitu preprocessing data, kalkulasi indeks komposit menggunakan rata-rata geometrik sesuai standar Badan Pusat Statistik terbaru, serta menguji bagaimana struktur algoritma tersebut diatur dalam mengolah data. Pengujian menggunakan Silhouette Score dan Davies-Bouldin Index menunjukkan bahwa algoritma K-Means secara keseluruhan lebih unggul dalam menghasilkan klaster yang kompak dan terstruktur untuk kategorisasi umum wilayah berbasis capaian IPG. Algoritma DBSCAN berperan sebagai pelengkap yang efektif dalam mengidentifikasi 33 kabupaten/kota sebagai anomali dengan profil pembangunan gender yang menyimpang secara signifikan dari pola umum. Penelitian ini merekomendasikan K-Means sebagai algoritma utama klasterisasi wilayah IPG, dengan DBSCAN sebagai instrumen pendukung untuk deteksi daerah prioritas intervensi kebijakan gender secara khusus
Referensi
G. R. Pratiwi, D. Wahiddin, E. E. Awal, and A. Fauzi, "Klasterisasi Tingkat Kemiskinan Kabupaten/Kota di Indonesia Menggunakan Algoritma K-Means dan K-Medoids," Jurnal Algoritma, vol. 21, no. 2, pp. 197–208, 2024.
N. Nurdin, "Memahami Isu Gender dan Ketidaksetaraan Gender di Indonesia Pasca Era Reformasi: Perspektif Pembangunan," Jurnal Ilmiah Global Education, vol. 5, no. 1, pp. 332–343, 2024.
L. R. Halizah and E. Faralita, "Budaya Patriarki dan Kesetaraan Gender," WASAKA HUKUM, vol. 11, no. 1, pp. 19–32, 2023.
B. Biantara, T. Rohana, and A. Ratna Juwita, "Perbandingan Algoritma K-Means dan DBSCAN untuk Pengelompokan Data Penyebaran Covid-19 Seluruh Kecamatan di Provinsi Jawa Barat," Scientific Student Journal for Information, Technology and Science, vol. IV, no. 1, pp. 88–94, 2023.
H. Tsabita, "Klasterisasi Provinsi Di Indonesia Berdasarkan Ketimpangan Pembangunan Ekonomi Dengan Pendekatan Algoritma K-Means Dan DBSCAN," JUTECH: Journal Education and Technology, vol. 14, no. 2, 2024.
I. A. Rosyada and D. T. Utari, "Penerapan Principal Component Analysis untuk Reduksi Variabel pada Algoritma K-Means Clustering," Jambura Journal of Probability and Statistics, vol. 5, no. 1, pp. 6–13, 2024.
A. Dinanti et al., "Peningkatan Performa DBSCAN dengan Reduksi Dimensi Principal Component Analysis (PCA) dalam Klasterisasi Tingkat Kemiskinan di Indonesia," Jurnal Informatika Teknologi dan Sains (Jinteks), 2025.
M. I. Zuhendra, R. Hidayat, and H. Hendrawaty, "Penerapan Data Mining Untuk Klasterisasi Tingkat Kemiskinan Berdasarkan Data Terpadu Kesejahteraan Sosial (DTKS)," SKANIKA: Sistem Komputer dan Teknik Informatika, vol. 7, no. 1, pp. 32–41, 2024.
A. Yufita, R. Kurniawan, Y. A. Wijaya, and T. Suprapti, "Optimalisasi Klasterisasi Tenaga Kesehatan Menggunakan K-Means dan Davies Bouldin Indexs," IJAI (Indonesian Journal of Applied Informatics), vol. 9, no. 2, pp. 452–461, 2025.
S. Juanita and R. D. Cahyono, "K-Means Clustering With Comparison of Elbow and Silhouette Methods for Medicines Clustering Based on User Reviews," Jurnal Teknik Informatika (Jutif), vol. 5, no. 1, pp. 283–289, 2024.
P. Vania and B. N. Sari, "Perbandingan Metode Elbow dan Silhouette untuk Penentuan Jumlah Klaster yang Optimal pada Clustering Produksi Padi Menggunakan Algoritma K-Means," Jurnal Ilmiah Wahana Pendidikan, vol. 9, no. 21, pp. 547–558, 2023.
I. B. F. Arafat, M. A. Hariyadi, I. B. Santoso, and C. Crysdian, "Clustering Gempabumi di Wilayah Regional VII Menggunakan Pendekatan DBSCAN," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 10, no. 4, pp. 823–830, 2023.
Y. Hasan, "Pengukuran Silhouette Score dan Davies-Bouldin Index pada Hasil Cluster K-Means dan DBSCAN," KAKIFIKOM (Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer), vol. 6, no. 1, pp. 60–74, 2024.
I. F. Ashari, E. D. Nugroho, R. Baraku, I. N. Yanda, and R. Liwardana, "Analysis of Elbow, Silhouette, Davies-Bouldin, Calinski-Harabasz, and Rand-Index Evaluation on K-Means Algorithm for Classifying Flood-Affected Areas in Jakarta," Journal of Applied Informatics and Computing (JAIC), vol. 7, no. 1, pp. 95–103, 2023.
M. Sholeh and K. Aeni, "Perbandingan Evaluasi Metode Davies Bouldin, Elbow Dan Silhouette Pada Model Clustering Dengan Menggunakan Algoritma K Means," STRING (Satuan Tulisan Riset dan Inovasi Teknologi), vol. 8, no. 1, pp. 56–65, 2023.
