Penggunaan Partitioning Around Medoids (PAM) dalam Klasterisasi Tingkat Kesejahteraan Kabupaten/Kota di Provinsi Sulawesi Selatan

Authors

  • Irwan Thaha Universitas Negeri Makassar
  • Ja'faruddin Ja'faruddin Jurusan Matematika FMIPA, Universitas Negeri Makassar
  • Rika Rahayu Ningsih Jurusan Matematika FMIPA, Universitas Negeri Makassar

DOI:

https://doi.org/10.30605/proximal.v8i4.7083

Keywords:

Analisis Klaster, Partitioning Around Medoid (PAM), Sillhouette Coefficient, Tingkat Kesejahteraan

Abstract

Penelitian ini merupakan penelitian kuantitatif untuk mengelompokkan Tingkat Kesejahteraan Kabupaten/Kota di Provinsi Sulawesi Selatan menggunakan metode PAM. Algoritma PAM yang biasa dikenal dengan K-Medoids adalah algoritma yang mengimplementasikan objek yaitu medoid sebagai pusat di setiap klaster. Data yang digunakan pada penelitian ini adalah Umur Harapan Hidup (X1), Angka Melek Huruf  (X2), Persentase Pengeluaran Per Kapita Untuk Makanan (X3), Persentase Penduduk Miskin (X4), Tingkat Partisipasi Angkatan Kerja (X5), dan Gini Rasio (X6) di Sulawesi Selatan Tahun 2023 yang didapat dari  website Badan Pusat Statistik. Data dianalisis dengan mencoba beberapa jumlah klaster k=2,3,4 dan 5 dan dievaluasi menggunakan metode Silhouette Coefficient untuk menentukan jumlah klaster yang paling optimal. Hasil penelitian menunjukkan penerapan algoritma PAM menghasilkan nilai Sillhouette Coefficient sebesar 0,31 dengan jumlah k sebanyak 2 klaster. Klaster 1 terdiri 8 kabupaten/kota yaitu Kep. Selayar, Jeneponto, Pangkajene dan Kepulauan, Enrekang, Luwu, Tana Toraja, Luwu Utara, dan Toraja Utara dengan karakteristik  (X1), (X2), dan  (X5) bernilai rendah, sedangkan (X3), (X4), dan (X6) bernilai tinggi. Klaster 2 terdiri dari 16 kabupaten/kota yaitu Bulukumba, Bantaeng, Takalar, Gowa, Sinjai, Maros, Barru, Bone, Soppeng, Wajo, Sidenreng Rappang, Pinrang, Luwu Timur, Kota Makassar, Kota Palopo, dan Kota Pare-Pare dengan karakteristik (X1), (X2), dan  (X5) yang Tinggi, sedangkan (X3), (X4), dan (X6) bernilai rendah.

Downloads

Download data is not yet available.

References

Azmi, M., Putra, A. A., Vionanda, D., & Salma, A. (2023). Comparison of the Performance of the K-Means and K-Medoids Algorithms in Grouping Regencies/Cities in Sumatera Based on Poverty Indicators. UNP Journal of Statistics and Data Science, 1(2), 59–66. https://doi.org/10.24036/ujsds/vol1-iss2/25 DOI: https://doi.org/10.24036/ujsds/vol1-iss2/25

Bahri, S., & Midyanti, D. M. (2023). Penerapan Metode K-Medoids untuk Pengelompokan Mahasiswa Berpotensi Drop Out. Jurnal Teknologi Informasi Dan Ilmu Komputer, 10(1), 165–172. https://doi.org/10.25126/jtiik.20231016643 DOI: https://doi.org/10.25126/jtiik.2023106643

Butar, B., & Parulian, R. (2023). Analisis Hierarchical Dan Non-Hierarchical Clustering Untuk Pengelompokkan Potensi Ekonomi Kelautan Indonesia 2021. Jurnal Sistem Dan Teknologi Informasi (JustIN), 11(3), 543. https://doi.org/10.26418/justin.v11i3.67283 DOI: https://doi.org/10.26418/justin.v11i3.67283

Firdaus, H., & Sofro, A. (2022). Analisa Cluster Menggunakan K-Means Dan Fuzzy C-Means Dalam Pengelompokan Provinsi Menurut Data Intesitas Bencana Alam Di Indonesia Tahun 2017-2021. MATHunesa: Jurnal Ilmiah Matematika, 10(1), 50–60. https://doi.org/10.26740/mathunesa.v10n1.p50-60 DOI: https://doi.org/10.26740/mathunesa.v10n1.p50-60

Heraldi, H. Y., Aprilia, N. C., & Pratiwi, H. (2019). Analisis Cluster Intensitas Kebencanaan di Indonesia Menggunakan Metode K-Means. Indonesian Journal of Applied Statistics, 2(2), 137. https://doi.org/10.13057/ijas.v2i2.34911 DOI: https://doi.org/10.13057/ijas.v2i2.34911

Hermanto, T. I., & Muhyidin, Y. (2021). Analisis Sebaran Titik Rawan Bencana dengan K-Means Clustering dalam Penanganan Bencana. Jurnal Sains Komputer & Informatika (J-SAKTI, 5(1), 406.

Herviany, M., Putri Delima, S., Nurhidayah, T., & Kasini, K. (2021). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokkan Daerah Rawan Tanah Longsor Pada Provinsi Jawa Barat. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 1(1), 34–40. https://doi.org/10.57152/malcom.v1i1.60 DOI: https://doi.org/10.57152/malcom.v1i1.60

Indra, Y. A., Utami, T. W., & Nur, I. M. (2021). Pengelompokan Provinsi Di Indonesia Berdasarkan Indikator Kesejahteraan Masyarakat Menggunakan Metode Algoritma Self Organizing Maps (SOM). Jurnal Fakultas Matematika Dan Ilmu Pengetahuan Alam. https://repository.unimus.ac.id

Irwan, Wahyuni, M. S., Sulaiman, & Mu’adz, A. M. (2022). Analisis K-Medoid Untuk Pemetaan Tingkat Pencemaran Udara di Provinsi Sulawesi Selatan. Journal of Mathematics Computations and Statistics, 5(2), 106. https://doi.org/10.35580/jmathcos.v5i2.38215 DOI: https://doi.org/10.35580/jmathcos.v5i2.38215

Irwan, Wahyuni, M. S., Sutamrin, & Muadz, A. M. (2024). Perbandingan Penggerombolan Tingkat Pencemaran Udara Dengan K- Medoid Dan ( Iku ) Di Provinsi Sulawesi Selatan. 7, 27–43. DOI: https://doi.org/10.30605/proximal.v7i1.3074

Mahmudan, A. (2020). Clustering of District or City in Central Java Based COVID-19 Case Using K-Means Clustering. Jurnal Matematika, Statistika Dan Komputasi, 17(1), 1–13. https://doi.org/10.20956/jmsk.v17i1.10727 DOI: https://doi.org/10.20956/jmsk.v17i1.10727

Nurmin, D., Hayati, M. N., & Goejantoro, R. (2022). Penerapan Metode Fuzzy C-Means Pada Pengelompokan Kabupaten / Kota di Pulau Kalimantan Berdasarkan Indikator Kesejahteraan Rakyat Tahun 2020 Application of the Fuzzy C-Means Method in the Grouping of Regencies / Cities in Kalimantan Island Based on People. 13, 189–196. DOI: https://doi.org/10.30872/eksponensial.v13i2.1068

Septiani, A. V., Hasibuan, R. A., Fitrianto, A., Erfiani, & Pradana, A. N. (2023). Penerapan Metode K-Medoids dalam Pengklasteran Kab/Kota di Provinsi Jawa Barat Berdasarkan Intensitas Bencana Alam di Jawa Barat pada Tahun 2020-2021. Statistika, 23(2), 147–155. https://doi.org/10.29313/statistika.v23i2.3057 DOI: https://doi.org/10.29313/statistika.v23i2.3057

Sulistyawati, A. A. D., & Sadikin, M. (2021). Penerapan Algoritma K-Medoids Untuk Menentukan Segmentasi Pelanggan. Sistemasi, 10(3), 516. https://doi.org/10.32520/stmsi.v10i3.1332 DOI: https://doi.org/10.32520/stmsi.v10i3.1332

Wira, B., Budianto, A. E., & Wiguna, A. S. (2019). Implementasi Metode K-Medoids Clustering Untuk Mengetahui Pola Pemilihan Program Studi Mahasiwa Baru Tahun 2018 Di Universitas Kanjuruhan Malang. RAINSTEK : Jurnal Terapan Sains & Teknologi, 1(3), 53–68. https://doi.org/10.21067/jtst.v1i3.3046 DOI: https://doi.org/10.21067/jtst.v1i3.3046

Downloads

Published

2025-10-14

How to Cite

Thaha, I., Ja'faruddin, J., & Ningsih, R. R. (2025). Penggunaan Partitioning Around Medoids (PAM) dalam Klasterisasi Tingkat Kesejahteraan Kabupaten/Kota di Provinsi Sulawesi Selatan. Proximal: Jurnal Penelitian Matematika Dan Pendidikan Matematika, 8(4), 1032–1039. https://doi.org/10.30605/proximal.v8i4.7083

Issue

Vol. 8 No. 4 (2025): Volume 8 Nomor 4 Tahun 2025

Section

Articles

License

Copyright (c) 2025 Irwan Thaha, Ja'faruddin Ja'faruddin, Rika Rahayu Ningsih

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

In submitting the manuscript to the journal, the authors certify that:

  • They are authorized by their co-authors to enter into these arrangements.
  • The work described has not been formally published before, except in the form of an abstract or as part of a published lecture, review, thesis, or overlay journal.
  • That it is not under consideration for publication elsewhere,
  • That its publication has been approved by all the author(s) and by the responsible authorities – tacitly or explicitly – of the institutes where the work has been carried out.
  • They secure the right to reproduce any material that has already been published or copyrighted elsewhere.
  • They agree to the following license and copyright agreement.

License and Copyright Agreement

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution License (CC BY 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.

Most read articles by the same author(s)