PERBANDINGAN K-MEANS CLUSTER DENGAN DENSITY-BASED SPATIAL CLUSTERING OF APPLICATION WITH NOISE PADA DATA INDIKATOR KEMISKINAN PROVINSI SULAWESI SELATAN

Program penanggulangan kemiskinan telah dilakukan pemerintah seperti adanya program pemberian bantuan masyarakat miskin. Namun, jumlah penduduk miskin di Sulawesi Selatan masih meningkat. Oleh karena itu, diperlukan metode statistik untuk mengelompokkan masyarakat miskin berdasarkan indikator kemiskinan setiap wilayah sebagai acuan dalam memberikan bantuan. Metode statistik yang tepat yaitu analisis cluster dengan meminimalkan perbedaan objek dalam satu cluster serta memaksimalkan perbedaan objek antar cluster. Penelitian ini menggunakan dua metode yaitu K-Means dan Density-Based Spatial Clustering of Application with Noise (DBSCAN). Hal ini bertujuan untuk membandingkan metode K-Means dengan DBSCAN berdasarkan Silhouette Coefficient. Data yang digunakan dalam penelitian ini terdiri dari delapan indikator kemiskinan Provinsi Sulawesi Selatan tahun 2022. Hasil analisis menggunakan K-Means memperoleh dua cluster optimal, cluster 1 terdiri dari 23 kabupaten dan kota, sedangkan cluster 2 hanya Kota Makassar. Sedangkan, hasil analisis lanjut pada cluster 1 menghasilkan delapan cluster baru dengan Silhouette Coefficient sebesar 0,507. Berbeda dengan menggunakan metode DBSCAN menghasilkan satu cluster yang terdiri dari 23 kabupaten dan kota, sedangkan Kota Makassar terdeteksi sebagai noise. Sedangkan, hasil analisis lanjut pada cluster tersebut terdiri dari satu cluster dengan tiga noise dan menghasilkan Silhouette Coefficient sebesar 0,318. Dengan demikan, berdasarkan Silhouette Coefficient dapat disimpulkan bahwa K-Means memiliki hasil pengelompokkan yang lebih baik pada data indikator kemiskinan Provinsi Sulawesi Selatan.