Perbandingan Kinerja K-Medoids dan Density Based Spatial Clustering of Application with Noise Menggunakan Uji Silhouette Coefficient

Analisis Klaster adalah analisis yang bertujuan mengelompokkan objek-objek pada data berdasarkan karakteristiknya. Pengolompokan hasil dari analisis klaster dapat dikatakan baik, jika masing-masing klaster bersifat homogen, dalam hal ini dapat divalidasi menggunakan uji silhouette coefficient. Namun, adanya pencilan pada data dapat memengaruhi hasil pengelompokan yang tidak valid. Untuk menghidari hal tersebut, maka digunakan metode yang robust terhadap pencilan, seperti K-Medoids dan Density Based Spatial Clustering of Application with Noise. K-Medoids adalah metode yang menggunakan objek representatif (medoids) sebagai pusat dari klaster, sedangkan Density Based Spatial Clustering of Application with Noise adalah metode yang menggunakan prinsip kepadatan dalam mengelompokkan objek-objek pada data. Tujuan penelitian ini, yaitu membandingkan hasil dan kinerja dari kedua metode menggunakan uji silhouette coefficient. Data pada penelitian ini adalah data indikator pembangunan manusia di Provinsi Sulawesi Selatan Tahun 2021. Dari hasil analisis, metode K-Medoids menghasilkan 2 kelompok, yaitu kelompok kabupaten/kota yang memiliki indikator pembangunan manusia yang sedang terdiri dari 21 kabupaten/kota dan kelompok yang tinggi terdiri dari 3 kabupaten/kota, sedangkan Density Based Spatial Clustering of Application with Noise menghasilkan 1 kelompok yang memiliki karakteristik yang sama, yakni terdiri dari 19 kabupaten/kota dan 5 kabupaten/kota sisanya teridentifikasi sebagai noise. Berdasarkan uji silhouette coefficient, K-Medoids memiliki nilai Silhouette Coefficient (SC) yang lebih besar dibandingkan Density Based Spatial Clustering of Application with Noise, yakni masing-masing sebesar 0,635 dan 0,544 sehingga dalam hal ini metode K-Medoids memiliki kinerja yang lebih baik.