Perbandingan Algoritma K-Means dan Fuzzy C-Means Clustering Pada Penilaian Kelurahan Berprestasi Kota Jambi
Studi Kasus pada Bagian Tata Pemerintahan Sekretariat Daerah Kota Jambi
DOI:
https://doi.org/10.33998/jms.2025.5.2.2298Kata Kunci:
Klasterisasi, Kelurahan, K-Means, Fuzzy C-Means, PythonAbstrak
Abstrak−Penilaian kelurahan berprestasi tingkat Kota Jambi menghadapi kendala dalam penyusunan kategori kelompok pembinaan dan pemilihan algoritma yang tepat untuk menangani data heterogen. Untuk mengatasi permasalahan tersebut, penelitian yang akan dilakukan menerapkan teknik klasterisasi menggunakan algoritma K-Means dan Fuzzy C-Means guna menetapkan segmentasi kebutuhan pembinaan berdasarkan kedekatan nilai yang homogen. Sebanyak 204 data penilaian kelurahan dianalisis menggunakan Python, menghasilkan klasterisasi yang hampir setara dalam kualitas pemisahan klaster. Algoritma K-Means memperoleh silhouette score sebesar 0.3854, sedikit lebih tinggi dibandingkan Fuzzy C-Means yang mencapai 0.3831. Kedua algoritma membentuk tiga klaster dengan rata-rata nilai 82, 72, dan 61. Klaster 0 mendapatkan penghargaan dan promosi pengembangan karir, klaster 1 difokuskan pada diklat manajemen dan reformasi birokrasi, sementara klaster 2 memerlukan pembinaan berupa coaching clinic dan bimbingan teknis. Hasil penelitian menunjukkan bahwa K-Means lebih unggul dalam kesederhanaan dan kejelasan distribusi data. Dengan teknik klasterisasi dapat membantu Pemerintah Kota Jambi, khususnya Bagian Tata Pemerintahan Setda, dalam merancang strategi pembinaan berbasis data untuk meningkatkan kualitas kelurahan.
Unduhan
Referensi
G. N. Elwirehardja, T. Suparyanto, and B. Pardamean, Machine Learning Untuk Pemula. 2023.
Budi Raharjo, Pembelajaran Mesin. 2021.
Pemerintah Republik Indonesia, Pemerintah Republik Indonesia No. 17 Tahun 2018 tentang Kecamatan. Pemerintah Republik Indonesia, 2018.
E. Buulolo, “Data Mining Untuk Perguruan Tinggi,” 2020.
A. E. Pramitasari and Y. Nataliani, “PERBANDINGAN CLUSTERING KARYAWAN BERDASARKAN NILAI KINERJA DENGAN ALGORITMA K-MEANS DAN FUZZY C-MEANS,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 8, no. 3, 2021, doi: 10.35957/jatisi.v8i3.957.
S. Kurniawan, A. M. Siregar, and H. Y. Novita, “Penerapan Algoritma K-Means dan Fuzzy C-Means Dalam Mengelompokan Prestasi Siswa Berdasarkan Nilai Akademik,” Scientific Student Journal for Information, Technology and Science, vol. IV, no. 1, 2023.
I. Sufairoh, A. C. Rani, K. Amalia, and D. Rolliawati, “Perbandingan Hasil Analisis Clustering Metode K-Means, DBSCAN Dan Hierarchical Pada Data Marketplace Electronic Phone,” JOINS (Journal of Information System), vol. 8, no. 1, 2023, doi: 10.33633/joins.v8i1.8016.
F. Harahap, “Perbandingan Algoritma K-Means dan K-Medoids untuk Clustering Kelas Siswa Tunagrahita,” TIN: Terapan Informatika Nusantara, vol. 2, no. 4, 2021.
G. B. Kaligis and S. Yulianto, “ANALISA PERBANDINGAN ALGORITMA K-MEANS, K-MEDOIDS, DAN X-MEANS UNTUK PENGELOMPOKKAN KINERJA PEGAWAI,” IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi, vol. 1, no. 3, 2022, doi: 10.24246/itexplore.v1i3.2022.pp179-193.
A. Kurnia, “Perbandingan Algoritma K-Means dan Fuzzy C-Means Untuk Clustering Puskesmas Berdasarkan Gizi Balita Surabaya,” Jurnal PROCESSOR, vol. 18, no. 1, 2023, doi: 10.33998/processor.2023.18.1.696.
S. S. Rachmasari and A. Kudus, “Perbandingan Penerapan Algoritme K-Means dan Fuzzy C-Means untuk Mengelompokkan Data Kinerja Dosen Universitas Islam Bandung,” Spesia, 2021.
M. B. Johra, “SOFT CLUSTERING DENGAN ALGORITMA FUZZY K-MEANS (STUDI KASUS : PENGELOMPOKAN DESA DI KOTA TIDORE KEPULAUAN),” BAREKENG: Jurnal Ilmu Matematika dan Terapan, vol. 15, no. 2, 2021, doi: 10.30598/barekengvol15iss2pp385-392.
Agung Wijoyo, “Pembelajaran Machine Learning,” Jurnal Ilmu Komputer dan Science, Feb. 2024.
Chrisyantus Leto, “KONSEP DATA MINING DAN PENERAPAN,” CV. KERANJANGTEKNOLOGI MEDIA, Oct. 2023.
R. Hayati, “Pengertian Penelitian Studi Literatur, Ciri, Metode, dan Contohnya,” 2022.
H. Kurniawan, “Pengantar Praktis Penyusunan Instrumen Penelitian,” 2021.
Sola Huddin, “Penerapan Fuzzy C-Means Pada Klasterisasi Penerima Bantuan Pangan Non Tunai,” KLIK: Kajian Ilmiah Informatika dan Komputer, Aug. 2023.
M. Orisa, “Optimasi Cluster pada Algoritma K-Means,” Prosiding SENIATI, vol. 6, no. 2, 2022, doi: 10.36040/seniati.v6i2.5034.
A. M. Sikana and A. W. Wijayanto, “Analisis Perbandingan Pengelompokan Indeks Pembangunan Manusia Indonesia Tahun 2019 dengan Metode Partitioning dan Hierarchical Clustering,” Jurnal Ilmu Komputer, vol. 14, no. 2, 2021, doi: 10.24843/jik.2021.v14.i02.p01.
Amna, DATA MINING. Padang: PT GLOBAL EKSEKUTIF TEKNOLOGI, 2023.
P. Setiaji and W. A. Triyanto, “KLASTERING INDUSTRI DI KABUPATEN KUDUS MENGGUNAKAN METODE FUZZY C-MEANS,” Simetris : Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 7, no. 2, 2016, doi: 10.24176/simet.v7i2.794.
E. Prasetyowati, “Data Mining Pengelompokan Data untuk Informasi dan Evaluasi,” 2017.
