Implementasi Algoritma K-Means untuk Mengelompokkan Sosial Ekonomi Masyarakat Desa Cikampek Utara Berdasarkan Data Demografi Masyarakat
DOI:
https://doi.org/10.38035/jim.v5i2.1967Keywords:
K-Means, clustering, data mining, demografi, sosial ekonomi, pembangunan desaAbstract
Penelitian ini bertujuan untuk mengelompokkan kondisi sosial ekonomi masyarakat di Desa Cikampek Utara dengan memanfaatkan data demografi melalui penerapan algoritma K-Means. Data yang dianalisis mencakup 14.892 penduduk dengan variabel seperti usia, jenis kelamin, status pernikahan, dan pekerjaan. Metode yang digunakan adalah pendekatan kuantitatif deskriptif yang melibatkan beberapa tahapan pengolahan data, yaitu pra-pemrosesan, konversi data kategorikal menjadi numerik, normalisasi menggunakan metode Min-Max Scaling, serta proses pengelompokan berdasarkan jarak Euclidean. Penentuan jumlah cluster terbaik dilakukan menggunakan metode Elbow dan Silhouette Score, yang menghasilkan tiga kelompok utama (K=3) dengan mempertimbangkan keseimbangan antara performa model dan kemudahan interpretasi. Hasil analisis menunjukkan bahwa masyarakat dapat diklasifikasikan ke dalam tiga kelompok, yaitu kelompok usia transisi yang didominasi oleh pelajar dan belum bekerja, kelompok domestik yang berperan dalam stabilitas rumah tangga, serta kelompok tenaga kerja produktif yang menjadi penggerak utama ekonomi desa. Temuan ini menunjukkan bahwa algoritma K-Means efektif dalam mengidentifikasi pola sosial ekonomi dan dapat digunakan sebagai dasar pengambilan keputusan berbasis data dalam perencanaan pembangunan desa.
References
Djaka Permana, M., Lia Hananto, A., Novalia, E., Huda, B., & Paryono, T. (2023). Klasterisasi Data Jamaah Umrah pada Tanurmutmainah Tour Menggunakan Algoritma K-Means. Jurnal KomtekInfo, 10, 15–20. https://doi.org/10.35134/komtekinfo.v10i1.332
Gymnastiar, S., & Bahtiar, A. (2024). Penerapan Algorima K-Means Clustering Untuk Mengelompokan Data Kejadian Kekeringan Di Kabupaten Cirebon. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 2325–2331. https://doi.org/10.36040/jati.v8i2.8948
Hariyanto, M., Kholiq, M., Yani, A., & Narti. (2020). Penerapan Algoritma K-means untuk klasifikasi klasterisasi penduuduk miskin di provinsi Banten. Inti Nusa Mandiri, 14(2), 133–138. https://doi.org/https://doi.org/10.33480/inti.v18i1.4399 VOL.
Huda, B., Manongga, D., Sediyono, E., Yulianto, S., Fauzi, A., Hananto, A. L., Tukino, & Tarmuji. (2023). Implementation of UI/UX the Design Thinking Approach Method In Inventory Information System. E3S Web of Conferences, 448, 02005. https://doi.org/10.1051/e3sconf/202344802005
Huda, M., & Hartati, N. (2022). Implementasi Strategi Terhadap Supply Chain Management, Keunggulan Bersaing Dan Kinerja Perusahaan. Jurnal Soshum Insentif, 5(1), 28–35. https://doi.org/10.36787/jsi.v5i1.646
Humaira, H., & Rasyidah, R. (2020). Determining The Appropiate Cluster Number Using Elbow Method for K-Means Algorithm. Journal of Telkom University, 2(January 2020). https://doi.org/10.4108/eai.24-1-2018.2292388
Listiani, L., Agustin, Y. H., & Ramdhani, M. Z. (2019). Implementasi algoritma k-means cluster untuk rekomendasi pekerjaan berdasarkan pengelompokkan data penduduk. Seminar Nasional Sistem Informasi Dan Teknik Informatika, 761–769.
Muhamad Subur, Martanto, & Umi Hayati. (2024). Clustering Penduduk Miskin Untuk Penerima Bantuan Sosial Menggunakan Algoritma K-Means (Studi Kasus: Desa Greged). JATI: Jurnal Mahasiswa Teknik Informatika, 8(1), 789–795.
Muningsih, E., Maryani, I., & Handayani, V. R. (2021). Penerapan Metode K-Means dan Optimasi Jumlah Cluster dengan Index Davies Bouldin untuk Clustering Propinsi Berdasarkan Potensi Desa. Jurnal Sains Dan Manajemen, 9(1), 96. www.bps.go.id
Mutiah, S., Hasnataeni, Y., Fitrianto, A., & Jumansyah, L. M. R. D. (2024). Perbandingan Metode Klastering K-Means dan DBSCAN dalam Identifikasi Kelompok Rumah Tangga Berdasarkan Fasilitas Sosial Ekonomi di Jawa Barat Dalam era digital saat ini , jumlah data yang tersedia dari berbagai bidang , termasuk sosial dan ekonomi , terus. Teorema: Teori Dan Riset Matematika, 09(September), 247–260.
Rachmad, D. S. (2020). Klasifikasi pada Tempat Tinggal Menurut Provinsi dan Jenis Kepemilikan Berdasarkan Algoritma K-Means. STRING (Satuan Tulisan Riset Dan Inovasi Teknologi), 4(3), 247. https://doi.org/10.30998/string.v4i3.5932
Rafika, A., Putri, H., & Wakhidah, N. (2025). Optimization of K-Means Clusteting with Elbow Method for Identification of TB Prone in Central Java. Journal of Computer Science, Information Tecnology and Telecommunication Engineering, 6(1), 730–736. https://doi.org/10.30596/jcositte.v6i1.21669
Rahayu, P., Sudipa, I. G. I., Suryani, Surachman, A., Ridwan, A., Darmawiguna, I. G. M., Sutoyo, M., Slamet, I., Harlina, S., & May Sanjaya, I. M. (2018). Buku Ajar Data Mining (Efitra (ed.); Cetakan Pe, Vol. 1, Issue January 2024). PT. Sonpedia Publishing Indonesia. www.buku.sonpedia.com
Ramdani, R., Suarna, N., Ali, I., & Efendi, D. I. (2025). Penerapan Algoritma K-Means Dalam Analisis Data Kependudukan Untuk Optimalisasi Pengelompokan Di Desa Pasawahan. Jurnal Informatika Dan Teknik Elektro Terapan, 13(1), 439–445. https://doi.org/10.23960/jitet.v13i1.5639
Rofiqo, N., Windarto, A. P., & Hartama, D. (2018). Penerapan Clustering Pada Penduduk Yang Mempunyai Keluhan Kesehatan Dengan Datamining K-Means. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 2(1), 216–223. https://doi.org/10.30865/komik.v2i1.929
Trifena, M., Voutama, A., & Ridha, A. A. (2023). Perancangan Ui/Ux Aplikasi Sistem Pendaftaran Rumah Sakit Saraswati Berbasis Mobile Dengan Metode Design Thinking. Information Management for Educators and Professionals, 7(2), 113–123.
Tukino, Muhmaad Rizky Arfani, Agustia Hananto, B. H. (2023). Seleksi Penerimaan Bantuan Internet Gratis dengan Menggunakan Metode AHP. Internal Information System, 6(1), 1–9. https://doi.org/10.32627
Wahono, R. S. (2023). Data Mining Data mining. In M. K. Dina ediana, S. Kom. (Ed.), Mining of Massive Datasets (Cetakan Pe, Vol. 2, Issue January 2013). PT GLOBAL EKSEKUTIF TEKNOLOGI. https://www.cambridge.org/core/product/identifier/CBO9781139058452A007/type/book_part
Widyanti, T., Hilabi, S. S., Hananto, A., Tukino, & Novalia, E. (2023). Implementasi K-Means dan K-Nearest Neighborspada Kategori Siswa Berprestasi. Jurnal Informasi Dan Teknologi, 5(1), 75–82. https://doi.org/10.37034/jidt.v5i1.255
Wijaya, R. S. D., Adiwijaya, Andriyan B Suksmono, & Tati LR Mengko. (2021). Segmentasi Citra Kanker Serviks Menggunakan Markov Random Field dan Algoritma K-Means. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(1), 139–147. https://doi.org/10.29207/resti.v5i1.2816
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Dimas Fadilah, Baenil Huda, Elfina Novalia, Tukino
This work is licensed under a Creative Commons Attribution 4.0 International License.
You are free to:
- Share— copy and redistribute the material in any medium or format
- Adapt— remix, transform, and build upon the material for any purpose, even commercially.
The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
- Attribution— You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- No additional restrictions— You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
- You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
- No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rightsmay limit how you use the material.
