Perbandingan Algoritma K-Means Dan K-Medoids Untuk Clustering Penduduk Kota Bekasi Berdasarkan Tingkat Pendidikan Tahun 2021-2023

• AFIFAH NURUL FAIZAH
• 2025

---

Afifah Nurul Faizah (19200597), Pendidikan merupakan hal penting dalam upaya meningkatkan kualitas sumber daya manusia. Penelitian ini membandingkan algoritma K-Means dan K-Medoids untuk menganalisis distribusi tingkat pendidikan penduduk Kota Bekasi. Dataset yang digunakan berasal dari 56 kelurahan selama tahun 2021-2023, yang telah dirata-rata untuk memberikan gambaran yang lebih stabil. Proses clustering dilakukan menggunakan aplikasi RapidMiner, dengan evaluasi hasil berdasarkan Davies Bouldin Index (DBI) untuk mengukur validitas kelompok data. Hasil uji validitas berdasarkan DBI menunjukkan bahwa K-Means lebih optimal dibandingkan K-Medoids, dengan nilai DBI terendah pada jumlah cluster optimal k = 4. Dengan hasil ini, algoritma K-Means dipilih sebagai metode terbaik untuk pemetaan tingkat pendidikan di Kota Bekasi, membagi wilayah ke dalam tiga kategori: rendah, menengah, dan tinggi. Hasil clustering menunjukkan empat cluster dengan karakteristik tingkat pendidikan yang berbeda di Kota Bekasi. Cluster 0 didominasi oleh pendidikan menengah, memerlukan program beasiswa dan pelatihan kejuruan. Cluster 1, dengan pendidikan tinggi, perlu difokuskan pada pengembangan infrastruktur dan lapangan kerja berkualitas. Cluster 2, dengan pendidikan rendah hingga menengah, membutuhkan akses pendidikan yang lebih baik dan penyuluhan pendidikan. Sementara itu, Cluster 3, dengan distribusi pendidikan menengah hingga tinggi yang merata, memerlukan peningkatan kualitas pendidikan dan pelatihan profesional dalam rangka meningkatkan sumber daya manusia.

• K-Means
• K-Medoids
• Tingkat Pendidikan
• Kota Bekasi

https://repository.bsi.ac.id/repo/60677/Perbandingan-Algoritma-K-Means-Dan-K-Medoids-Untuk-Clustering-Penduduk-Kota-Bekasi-Berdasarkan-Tingkat-Pendidikan-Tahun-2021-2023
File full-text dikunci.