Penerapan Algoritma K-Means Untuk Pengelompokan Kepadatan Penduduk Berdasarkan Kecamatan di Kabupaten Garut

Abstract

Indonesia menghadapi tantangan distribusi penduduk yang tidak merata, termasuk di Kabupaten Garut, yang memiliki populasi 2.585.607 jiwa. Ketimpangan ini menimbulkan masalah kepadatan dibeberapa wilayah. Penelitian ini bertujuan untuk mengelompokkan kepadatan penduduk berdasarkan kecamatan menggunakan algoritma K-Means dan pendekatan CRISP-DM (Cross-Industry Standard Process for Data Mining). CRISP-DM terdiri dari enam tahap utama: business understanding, data understanding, data preparation, modeling, evaluation, dan deployment, yang diterapkan secara sistematis dalam penelitian ini. Data yang digunakan diperoleh dari Badan Pusat Statistik Kabupaten Garut tahun 2023, mencakup jumlah penduduk dan luas wilayah kecamatan. Pada tahap modeling, algoritma K-Means diterapkan untuk mengelompokkan kecamatan berdasarkan kemiripan kepadatan penduduk. Optimasi jumlah klaster dilakukan menggunakan metode elbow, yang menghasilkan jumlah klaster optimal sebanyak tiga klaster (k=3). Evaluasi dengan Davies-Bouldin Index (DBI) menunjukkan nilai 0.5794, yang menandakan klaster yang terbentuk memiliki pemisahan yang baik. Hasil pengelompokan menunjukkan bahwa klaster 0 mencakup kecamatan dengan kepadatan tinggi, klaster 1 dengan kepadatan sedang, dan klaster 2 dengan kepadatan rendah. Hasil penelitian ini memiliki potensi implementasi dalam perencanaan pembangunan daerah, membantu Badan Pusat Statistik (BPS) Kabupaten Garut dan instansi terkait dalam menyusun kebijakan pemerataan pembangunan, distribusi layanan publik, serta perencanaan infrastruktur yang lebih efektif. Dengan pemetaan kepadatan penduduk berbasis data mining, kebijakan dapat lebih berbasis bukti, sehingga pengambilan keputusan lebih tepat dalam menangani permasalahan demografi di Kabupaten Garut.