Pengelompokkan Desa/Kelurahan di Kota Balikpapan Berdasarkan Indikator Kemiskinan Menggunakan Metode KModes Clustering

  • Taliya Putri Institut Teknologi Kalimantan
Keywords: Pensasaran Percepatan Penghapusan Kemiskinan Ekstrim (P3KE), Cluster, K-Modes

Abstract

Kemiskinan adalah keadaan serba ketidakcukupan secara fisik atau non-fisik untuk menjamin kelangsungan hidup. Kemiskinan di Kota Balikpapan membutuhkan penanganan agar masalah ini terselesaikan. Salah satu upaya dalam menangani kemiskinan yaitu program penanggulangan kemiskinan masyarakat melalui Badan Perencanaan Pembangunan Daerah Penelitian dan Pengembangan (Bappeda-Litbang) membuat Forum Satu Data Kemiskinan yaitu data Pensasaran Percepatan Penghapusan Kemiskinan Ekstrim (P3KE). Terdapat 14 variabel Indikator Rumah Tangga Miskin sebagai dasar penentu apakah suatu rumah tangga layak dikategorikan miskin. Oleh karena itu, penelitian ini dilakukan untuk mengetahui pengelompokan Desa/Kelurahan berdasarkan Indikator Rumah Tangga Miskin di Kota Balikpapan menggunakan analisis clustering K-modes dengan jumlah K-optimum diperoleh 2 cluster menggunakan metode Davies Bouldin Index. Sebanyak 15082 record data diperoleh cluster 0 sebanyak 12.213 kepala keluarga yang terdiri dari 27 Kelurahan dan cluster 1 sebanyak 2.869 kepala keluarga yang terdiri dari 23 Kelurahan. Kelurahan dengan status kemiskinan tertinggi berdasarkan cluster 1 adalah Kelurahan Karang Joang. Sedangkan kelurahan yang memiliki status tidak miskin tertinggi berdasarkan cluster 0 adalah Kelurahan Graha Indah dengan indikator kemiskinan tertinggi adalah jenis lantai, jenis dinding dan penerima bantuan sosial. Hal ini menunjukkan bahwa masih terdapat banyak Desa/Kelurahan yang tidak berstatus miskin atau memiliki Indikator Rumah Tangga Miskin yang rendah di Kota Balikpapan pada Tahun 2023.

Downloads

Download data is not yet available.
Published
2024-10-09
How to Cite
Putri, T. (2024, October 9). Pengelompokkan Desa/Kelurahan di Kota Balikpapan Berdasarkan Indikator Kemiskinan Menggunakan Metode KModes Clustering. PROSIDING SEMINAR NASIONAL SAINS DATA, 4(1), 962-972. https://doi.org/https://doi.org/10.33005/senada.v4i1.391