Perbandingan K-Means dan K-Medoids pada Time Series-Based Clustering dengan Dynamic Time Warping pada Data Jumlah Penduduk Miskin di Sulawesi Selatan Tahun 2010-2023

Latar Belakang. Time series-based clustering merupakan analisis kluster yang mengelompokkan objek berdasarkan pola data time series yang dinamis sehingga membutuhkan metode jarak yang sesuai. Dynamic time warping (DTW) dipilih sebagai metode jarak karena kemampuannya menangani variasi temporal. Dalam penelitian ini, algoritma K-means digunakan dengan centroid sebagai pusat kluster sehingga lebih sensitif terhadap pencilan. Sementara itu, K-medoids menggunakan medoid sebagai pusat klusternya sehingga lebih robust terhadap pencilan. Untuk itu, K-means disempurnakan dengan DTW Barycenter Averaging (DBA) untuk menghasilkan centroid yang robust terhadap pencilan. Tujuan. Penelitian ini mengelompokkan kota/kabupaten di Sulawesi Selatan berdasarkan jumlah penduduk miskin tahun 2010-2023 dengan menggunakan algoritma K-means dan K-medoids dengan DTW sebagai metode jarak, serta membandingkan kinerja kedua algoritma tersebut dalam pengelompokan. Metode. Penelitian ini terdiri dari dua tahap utama, yaitu pengelompokan menggunakan metode K-means dan K-medoids berdasarkan jarak DTW, serta evaluasi kinerja masing-masing algoritma melalui koefisien silhouette. Hasil. Algoritma K-means dengan DBA menghasilkan 2 kluster. Masing-masing kluster terdiri dari 17 anggota dengan rata-rata 23.636 ribu jiwa dan 7 anggota dengan rata-rata 58.555 ribu jiwa. Untuk K-medoids juga diperoleh 2 kluster. Masing-masing kluster terdiri dari 16 anggota dengan rata-rata 22.688 ribu jiwa dan 8 anggota dengan rata-rata 56.087 ribu jiwa. Distribusi Kabupaten Maros menjadi perbedaan dari hasil kluster kedua algoritma. Pada K-means Maros masuk dalam kluster 1, tetapi pada K-medoids berada di kluster 2. Nilai koefisien silhouette K-means dengan DBA lebih tinggi dibandingkan K-medoids yakni 0,64588 dan 0,62385. Kesimpulan. Algoritma K-means dengan DBA memiliki kinerja yang lebih baik dibandingkan K-medoids dalam mengelompokkan kota/kabupaten berdasarkan data jumlah penduduk miskin tahun 2010 hingga 2023 berdasarkan nilai koefisien silhouette.