ANALISIS PERBANDINGAN METODE K-MEANS DAN FUZZY C-MEANS UNTUK CLUSTERING KABUPATEN DAN KOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR KEMISKINAN

Clustering merupakan salah satu teknik dalam data mining yang digunakan untuk mengelompokkan data berdasarkan kesamaan karakteristik. Penelitian ini membandingkan metode K-Means dan Fuzzy C-Means dalam pengelompokan kabupaten/kota di Provinsi Jawa Tengah berdasarkan data yang diperoleh dari Badan Pusat Statistik (BPS) Jawa Tengah tahun 2023. Analisis dilakukan melalui beberapa tahapan, termasuk normalisasi data, seleksi fitur, serta penentuan jumlah cluster optimal menggunakan Metode Elbow, yang menghasilkan jumlah cluster optimal sebanyak 3. Evaluasi hasil clustering dilakukan menggunakan Silhouette Coefficient dan Davies-Bouldin Index (DBI) untuk menilai kualitas hasil pengelompokan. Hasil penelitian menunjukkan bahwa K-Means menghasilkan Silhouette Coefficient sebesar 0,620 dan DBI sebesar 0,461, sedangkan Fuzzy C-Means menghasilkan Silhouette Coefficient sebesar 0,619 dan DBI sebesar 0,461. Meskipun hasil keduanya hampir serupa, K-Means menunjukkan sedikit keunggulan dalam konsistensi hasil pengelompokan dan efisiensi komputasi. Selain itu, proses seleksi fitur dan normalisasi data juga tidak berpengaruh meningkatkan kualitas clustering yang dihasilkan. Kesimpulan dari penelitian ini menunjukkan bahwa baik K-Means maupun Fuzzy C-Means dapat digunakan untuk clustering wilayah berdasarkan karakteristik yang dianalisis, dengan K-Means lebih direkomendasikan untuk penerapan yang membutuhkan efisiensi tinggi. Hasil penelitian ini diharapkan dapat menjadi referensi bagi analisis clustering berbasis data di berbagai bidang.