ANALISIS K-MEANS CLUSTER UNTUK PENGELOMPOKAN WILAYAH JAWA BARAT BERDASARKAN BESARAN APBD DAN PENDAPATAN PER KAPITA
Keywords:
K-Means Cluster, Pengelompokan Wilayah, APBD, Pendapatan Per Kapita, Analisis ClusterAbstract
Penelitian ini bertujuan untuk mengelompokkan wilayah kabupaten/kota di Provinsi Jawa Barat berdasarkan besaran Anggaran Pendapatan dan Belanja Daerah (APBD) serta pendapatan per kapita menggunakan metode K-Means Cluster. Metode ini digunakan untuk mengidentifikasi pola kemiripan karakteristik fiskal antar wilayah sehingga dapat menghasilkan cluster yang lebih terstruktur. Data yang digunakan terdiri dari 27 kabupaten/kota. Hasil analisis menunjukkan bahwa wilayah terbagi menjadi dua cluster utama. Cluster pertama berisi wilayah dengan nilai APBD dan pendapatan per kapita tinggi, sedangkan cluster kedua berisi sebagian besar wilayah dengan kemampuan fiskal lebih rendah. Hasil ANOVA menunjukkan bahwa perbedaan antar cluster sangat signifikan pada kedua variabel dengan nilai signifikansi < 0.001. Penelitian ini memberikan gambaran mengenai ketimpangan fiskal antar wilayah di Jawa Barat serta dapat menjadi dasar untuk analisis lebih lanjut terkait kebijakan pemerataan pembangunan daerah.
Downloads
References
Achmey, N. S. harwanti, Hendikawati, P., Nur, R. M. S., & Adi, A. (2024). A Data Mining Approach to Wage Inequality Analysis in Indonesia : A Clustering Study Using Fuzzy C-Means. Journal of Mathematics, 13(2), 39–47.
Agustine, V., Ashari, I. F., Chrisna, R., & Hadi, T. (2025). Clustering of Regions in Lampung Province based on social and economic aspects using the K-Means algorithm with PCA optimization. 26(October). https://doi.org/10.18196/jesp.v26i2.26212
Aryawati, A., Amri, M., & Rahadi, R. A. (2025). Socio-Economic Welfare Clustering : a Sub-National Governments Analysis in Indonesia. 5(8), 10400–10407.
Bottou, L., & Bengio, Y. (1995). Convergence Properties of the K-Means Algorithms. 585–592. https://proceedings.neurips.cc/paper/1994/file/a1140a3d0df1c81e24ae954d935e8926-Paper.pdf
Estella, T., Ghayatrie, N. A. I., & Wibowo, A. (2024). Outlier Handling in Clustering : Least Trimmed Squared. International Journal of Computing and Digital Systems, 1(1). https://doi.org/http://dx.doi.org/10.12785/ijcds/160175 Outlier
Ferdiansyah, I., Huda, B., & Hananto, A. (2024). Analisis Clustering Menggunakan Metode K-Means Pada Kemiskinan Di Jawa Timur Tahun 2020. INNOVATIVE: Journal Of Social Science Research, 4, 858–869.https://www.ijcis.net/index.php/ijcis/article/view/218/183
Fujiansyah, D. (2025). Segmentation of Inclusive Economic Growth Profiles Across Provinces in Indonesia Using a Clustering Approach. 1(1), 33–49.
Harmadi, S. H. B., Adji, A., & Mahdi, S. (2001). Regional Inequality in Indonesia : 2.https://doi.org/10.2991/assehr.k.220301.084
Harris, S., & Amorim, R. C. D. E. (2022). An Extensive Empirical Comparison of k -means Initialization Algorithms. 10(2). https://doi.org/10.1109/ACCESS.2022.3179803
Hartati, Y.; Wibawa, K. (2023). Assessment of Regional Development Disparities Using Cluster Methods. E-Jurnal Ekonomi Dan Pembangunan, Vol. 13, N. https://ojs.unud.ac.id/index.php/eep/article/view/95038
Haryanto, J. T., & Tenrini, R. H. (2021). Study of fiscal decentralization , macroeconomic stability and regional growth in Indonesia. 9(3), 209–220. https://doi.org/10.22437/ppd.v9i3.12157
Kadafi, M. (2022). Fiscal Capacity Clustering of Local Goverment in Indonesia ( Empirical Evidence of Fiscal Imbalance in Eastern Indonesia and Western Indonesia ). 647, 511–515.
Kowshir, A., Imam, H., Yesmin, S., & Mahmud, I. (2023). Tumor-Net : convolutional neural network modeling for classifying brain tumors from MRI images. International Journal of Advances in Intelligent Informatics, 9(2).
Mafela, G., Sujak, M., Rofiq, H. N., & Tawakal, F. I. (2025). Implementation of K-Means Clustering for Optimizing Non-Communicable Disease Budgets Implementasi K-Means Clustering untuk Optimalisasi Anggaran Penyakit Tidak Menular. 5(January), 67–74.
Marissa, F., Darma, D., Sari, P., & Apriani, D. (2025). d Mapping Economic Disparity : A Panel Data Analysis of 34 Indonesian Provinces. JURNAL PROFIT: Kajian Pendidikan Ekonomi Dan Ilmu Ekonomi, 12(1), 72–79. https://jp.ejournal.unsri.ac.id/index.php/JP/article/view/53/23
Nur, H., & Sofhya, A. (2022). Cluster Analysis of Indonesian Provinces Based On Harvest Area And Rice Productivity Using Single Linkage Method. 20, 549–558.
Riawan, A.; Idris, M.; Indira, H. (2022). Fiscal Capacity and Local Government Performance in Indonesia. Journal of Public Economy, Vol. 18, N. https://journal.unhas.ac.id/index.php/jpe/article/view/15093
Talakua, M. W., Leleury, Z. A., & Talluta, A. W. (2017). Analisis Cluster dengan Menggunakan Metode Provinsi Maluku berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2014 Cluster Analysis By Using K-Means Method for Grouphing of District / City in Maluku Province Industrial Based on Indicators of Maluku Dev. Jurnal Ilmu Matematika Dan Terapan, 11, 119–128. https://media.neliti.com/media/publications/277593-analisis-cluster-dengan-menggunakan-meto-e7846a11.pdf
Wahyudi, G. R., & Dini, E. (2025). Clustering Regencies in Indonesia for Regional Mapping Using the K-Means Algorithm Pengelompokan Kabupaten di Indonesia untuk Pemetaan Daerah Menggunakan Algoritma K-Means. 5(July), 1143–1151.
Wahyuni, S., Hananto, A., Huda, B., & Apriani, F. (2025). Identifying Regional Patterns of Poverty in Indonesia : a Clustering Approach Using K-Means. International Journal of Computer and Information System (IJCIS) Peer, 06(01), 45–52. https://www.ijcis.net/index.php/ijcis/article/view/218/183
Wicaksono, A. S., & Yolanda, A. M. (2021). Pengelompokkan Kabupaten / Kota di Provinsi Nusa Tenggara Timur Berdasarkan Indikator Indeks Pembangunan Manusia Menggunakan K-Medoids Clustering Penyedia Data Statistik Berkualitas untuk Indonesia Maju Pengelompokkan Kabupaten / Kota di Provinsi Nusa Ten. BPS Provinsi NTT: JURNAL STATISTIKA TERAPAN Artikel, 1.
Yunita, I., & Gultom, P. (2025). Multidimensional Determinants of Poverty and Regional Clustering in North Sumatra , Indonesia : A Factor and Cluster-Based Analytical Approach. 22(7), 209–217.
Yusuf, M. D., Munandar, T. A., Fadhilla, K., & Ramdhania. (2025). Comparative Analysis of K-Means and Hierarchical Clustering for Regional Welfare Disparity Identification in West Java Province. International Journal of Information Technology and Computer Science Applications (IJITCSA) p-ISSN:, 03(03), 86–101. https://ejurnal.jejaringppm.org/index.php/jitcsa/article/view/213/164
Zaki, A., & Sembe, A. (2022). Penerapan K-Means Clustering dalam Pengelompokan Data ( Studi Kasus Profil Mahasiswa Matematika FMIPA UNM ). Journal of Mathematics, Computations, and Statistics, 5(2), 163–176. https://ojs.unm.ac.id/JMathCoS/article/download/38820/pdf
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Rifki Ismail Urzais, Widarto Rachbini
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
