DESCRIPTIVE MODELLING MENGGUNAKAN K-MEANS UNTUK PENGCLUSTERAN TINGKAT KEMISKINAN DI PROPINSI RIAU

Transkripsi

1 DESCRIPTIVE MODELLING MENGGUNAKAN K-MEANS UNTUK PENGCLUSTERAN TINGKAT KEMISKINAN DI PROPINSI RIAU Warnia Nengsih 1) 1) Sistem Informasi/Komputer,Politeknik Caltex Riau-Pekanbaru 1) Abstrak - Secara statistik dari tahun ke tahun statistik tingkat kemiskinan terkadang mengalami peningkatan dan penurunan pada sebuah wilayah. Peningkatan tersebut bisa terlihat dengan semakin tingginya indeks keparahan kemiskinan. Kenaikan indeks bisa saja disebabkan oleh banyak hal diataranya kesenjangan antar penduduk miskin dan semakin rendahnya daya beli masyarakat.jika dibandingkan wilayah kota dengan pedesaan, maka pedesaan mengalami kondisi kemiskinan yang parah dibandingkan dengan daerah perkotaan. Salah satu penyebabnya disebabkan tingginya tingkat inflasi di wilayah pedesaan. Riau merupakan propinsi dengan dominasi sumber daya alam terutama minyak bumi, gas alam, karet dan perkebunan kelapa sawit. Propinsi ini memiliki 12 kecamatan dan kota Namun bukan berarti kondisi ini menyebabkan Riau terbebas dari masalah kemiskinan.data pesentase kemiskinan dan garis kemiskinan serta jumlah penduduk miskin pada setiap wilayah menjadi acuan pemetaan. Kesulitan dalam menentukan wilayah mana yang mengalami tingkat kemiskinan yang paling tinggi dan normal serta wilayah dengan tingkat kemiskinan rendah menjadi sebuah alasan untuk melakukan pengan ini. Metode yang digunakan adalah ing k-means sebagai salah satu permodelan deskriptif. Hasil yang diperoleh dimana record 3 dan record 9 berada pada 2. Record 1,2,4,5,6,7,8,10,11,12 berada pada 3. Tidak ada kota atau kabupaten yang berada pada 1. Metode ini memberikan pengetahuan pengan wilayah yang tersebar di Propinsi Riau, sehingga gambaran yang diperoleh dapat menjadi acuan bagi Pemerintah dalam pelaksanaan dan pengaturan sebuah kebijakan Kata Kunci Clustering,K-Means, Riau, Kemiskinan, descriptive model. 1. PENDAHULUAN Peningkatan kemiskinan bisa terlihat dengan semakin meningkatnya indeks keparahanan kemiskinan. Kenaikan indeks bisa saja disebabkan oleh banyak hal diantaranya kesenjangan antar penduduk miskin dan semakin rendahnya daya beli masyarakat. Pertumbuban jumlah penduduk dan dampak goncangan ekonomi global, melemahnya beberapa harga komoditas unggulan dan pemutusan hubungan kerja mempengaruhi perekenomian masyarakat Riau. Hal ini mengakibaatkan pengaruh besar terhadap pendapatan per kapita penduduk dan bertambahnya jumlah penduduk miskin.tingkat kemiskinan di Riau mengalami peningkatan hal itu ditunjukkan dengan indeks keparahan kemiskinan, Dari 0,243 pada bulan September 2013 lalu menjadi 0,288 pada bulan September Indeks keparahan kemiskinan di Riau juga terjadi peningkatan Dari 0,243 pada bulan September 2013 lalu menjadi 0,288 pada bulan September (BPS 2014). Namun kondisi ini belum tentu mendefinisikan seluruh wilayah-wilayah yang ada di Propinsi Riau. Ada bebebara wilayah yang terkena dampak sangat signifikan dan ada wilayah yang masih bertahan pada garis standar untuk kategori perekonomian yang normal. Pemerintah tentunya dalam hal ini segera dan sedini mungkin harus mengeluarkan tindakan, program dan kebijakan untuk meminimalisir agar indeks keparahan kemiskinan serta pertumbuhan jumlah penduduk miskin tidak mengalami kenaikan yang tinggi. Agar program berjalan dengan baik, cepat dan merata maka azas prioritas lebih ditekankan. Pemerintah mestinya mempunyai gambaran wilayah mana yang perlu penanganan cepat dan serius. Sehingga nilai tepat guna untuk kebijakan, program dan strategi yang dibuat bisa terimplemetasikan dengan baik. Kesulitan dalam menentukan wilayah mana yang mengalami tingkat kemiskinan yang paling tinggi sehingga bisa menjadi prioritas dari pemerintah provinsi menjadi dasar perlu adanya pengan setiap wilayah. Mana wilayah yang termasuk pada wilayah normal dan wilayah yang termasuk tingkat kemiskinannya tinggi atau rendah. Metode yang digunakan adalah ing k-means. Metode ini merupakan bagian dari teknik ing data mining. Dimana metode ini akan mengelompokkan nilai yang mempunyai kemiripan yang sama pada satu. Metode ini juga merupakan bagian dari model deskriptif yang menggambarkan pola dari sebuah nilai. Data yang diolah adalah data kemiskinan 12 kota atau kabupaten yang tersebar di Propinsi Riau. Dengan Variabel yang digunakan sebanyak 3 variabel dengan rincian Data pesentase kemiskinan(x1) dan garis kemiskinan(x2) 1

2 serta jumlah penduduk miskin (x3) untuk menentukan wilayah dengan tingkat kemiskinan tinggi (c3) dan dengan wilayah dengan tingkat kemiskinan normal(c2) serta wilayah dengan tingkat kemiskinan rendah (c1) II.METODE 1. Kemiskinan dan Masalah Perekonomian Pada dasarnya kemiskinan sebuah wilayah dalam jangka panjang akan berdampak pada terhambatnya pembangunan nasional. Jika masyarakat sebuah wilayah masih berfokus untuk perbaikan ekonomi, bagaimana pemerintah fokus untuk program-program lain yang lebih luas. Secara definitif kemiskinan adalah ketidakmampuan dan kesulitan dalam memenuhi kebutuhan dasar seperti sandang, pangan, papan serta kelayakan pendidikan, kesehatan dan keamanan atau hal-hal yang bersifat pelayanan dasar. Kemiskinan dapat dikategorikan menjadi dua jenis yaitu Kemiskinan klasik yaitu kategori kemiskinan dalam hal kekurangan sandang, pangan dan papan atau kebutuhan dasar. Kemiskinan Modern merupakan kategori kemiskinan dalam hak kesulitan dan ketidakmampuan memenuhi layanan - layanan dasar. Layanan dasar ini dapat dikategorikan dalam bentuk kelayakan pendidikan, kelayakan fasilitas kesehatan atau kelayakan mendapatkan fasilitas-fasilitas umum. Berikut merupakan penyebab kemiskinan secara umum Penyebaran pembangun yang belum merata. Selanjutnya kondisi penciptaan pendapatan bagi masyarakat yang sangat minim, tingginya tingkat pengangguran. Berikut program yang digalakkan pemerintah dalam menanggulangi kemiskinan antara lain a. Menjaga stabilitas harga bahan kebutuhan pokok; b. Mendorong pertumbuhan yang berpihak pada rakyat miskin; c. Menyempurnakan dan memperluas cakupan program pembangunan berbasis masyarakat; d. Meningkatkan akses masyarakat miskin kepada pelayanan dasar; e. Membangun dan menyempurnakan sistem perlindungan sosial bagi masyarakat miskin.. 2. Tingkat Kemiskinan Propinsi Riau Propinsi Riau merupakan propinsi dengan dominasi sumber daya alam terutama minyak bumi, gas alam, karet dan perkebunan kelapa sawit. Propinsi ini memiliki 12 kecamatan dan kota Namun bukan berarti kondisi ini menyebabkan Riau terbebas dari masalah kemiskinan. Banyak hal yang menjadi pemicu tingkat kemiskinan di Riau mengalami peningkatan dari tahun ke tahun diantaranya tingkat pengangguran.tingkat pengangguran disebabkan oleh menurunnya harga komoditas unggulan Propinsi Riau di Sektor Migas, CPO dan Karet, Berikutnya tingginya pertumbuhan penduduk akibat migrasi dan tingkat pendidikan tenaga kerja relatif rendah juga turut menyumbang kenaikan angka tersebut. Beberapa program atau kebijakan pemerintah untuk menanggulangi kemiskinan adalah menggerakkan sektor real dengan berbagai program unggulan seperti program nasional pemberdayaan masyarakat, pemberdayaan UKM dan regulasi kemudahan dan perlindungan usaha, menciptakan lapangan kerja, menggalakkan program-progam yang berhubungan dengan kesejahteraan masyarakat, menjaga stabilitas harga bahan dan kebutuhan pokok, meningkatkan dan mempermudah akses masyarakat miskin untuk pelayanan dasar, menyempurnakan dan memperluas cakupan program pembangunan berbasis masyarakat. 3.K-Means Clustering K-Means clusutering merupakan salah satu metode ing data mining menggunakan konsep descriptive model. Konsep ini secara umum menggambarkan sebuah pola dari nilai yang sudah dijabarkan. Metode ini masuk ke dalam kategori jenis non hirarki ing, dimana penentuan jumlah ditentukan terlebih dahulu. Metode ini juga mengenal nilai euclidean dan iterasi untuk menemukan nilai akhir dari sebuah nilai. Berikut merupakan algoritma dasar dari ing k- means: 1. Tentukan jumlah. 2. Menentukan pusat secara acak. 3. Menentukan jarak setiap data terhadap pusat dan pengan data dari nilai terdekat. 4. Menentukan pusat baru. 5. Ulangi langkah 3 sampai nilai pusat baru tidak berubah. Penentuan pusat baru menggunakan formula sebagai berikut : C= xn/cn... (1) Persamaan 1 didefnisikan sebagai jumlah seluruh nilai atribut terhadap tertentu dimana : C= Cluster baru Xn=nilai atribut Cn = tertentu 2

3 Sedangkan rumus menentukan jarak terdekat sebagai berikut :...(2) dimana: p : Dimensi data. : Nilai absolut x1,x2: nilai variabel. III. HASIL DAN PEMBAHASAN Berikut merupakan sistematika sistem secara umum descriptive model yang dibangun: dan dengan wilayah dengan tingkat kemiskinan normal(c2) serta wilayah dengan tingkat kemiskinan rendah(c1). Data tersebut diolah dengan menggunakan k-means ing untuk menemukan pola yang memberikan gambaran tentang setiap wilayah. means Berikut merupakan proses ing k- Penentuan jumlah Penentuan pusat Data Kemiskinan Penentuan jarak Penentuan atribut terdefinisi n(x)=3 dan n(c)=2 Penentuan pusat baru Clustering k-means Hasil penilaian unit spesialis Gambar 2 Proses ing k-means Hasil Cluster Gambar 1 alur sistem secara umum Gambar 1 menjelaskan tentang descriptive model dimana data yang diolah adalah data kemiskinan pada 12 Kota atau Kabupaten di Propinsi Riau.Variabel yang digunakan adalah Data pesentase kemiskinan(x1) dan garis kemiskinan(x2) serta jumlah penduduk miskin (x3) untuk menentukan wilayah dengan tingkat kemiskinan tinggi (c3) Dimulai dengan penentuan jumlah, dalam hal ini yang digunakan tiga, wilayah dengan tingkat kemiskinan normal dan dengan tingkat kemiskinan tinggi serta wilayah dengan tingkat kemiskinan rendah. Penentuan pusat acak dari nilai yang terdapat pada variabel yang diolah. Selanjutnya mencari nilai euclidean dan penentuan baru. Sampai sebuah iterasi selesai dikerjakan. Berikut merupakan analisa dan hasil dari descriptive model yang dilakukan. 3

4 Tabel 1 Data Kemiskinan 12 Kota Kabupaten/Kota Kabupaten/Kot a Kuantan Singingi Jumlah Pendudu k Miskin (000) Data Persentase Kemiskinan(% ) Garis Kemiskina n (Rp) Indragiri Hulu ,21 Indragiri Hilir Pelalawan Siak Kampar ,681 Rokan Hulu Bengkalis ,671 Rokan Hilir Kepulauan Meranti Pekanbaru Dumai Nilai acak diambil dari nilai masing-masing variabel yang digunakan.pengambilan nilai acak berpengaruh pada jumlah iterasi pada k-means ing. Tabel 2 Pusat Cluster Acak X1 X2 X3 C C C Tabel 3 menjelaskan sementara dari pengelompokan tingkat kemiskinan pada 12 kota atau kabupaten. Pada tabel terlihat 12 kota atau kabupaten yang ada di Propinsi Riau hanya masuk ke dalam kategori C2 dan C3. Tabel 3 Iterasi 1 X1 X2 X3 C1 C2 C * * * * * * * * * * * * Berikutnya menentukan pusat baru.pada tabel 4 terlihat bahwa pusat hanya fokus pada c2 dan c3. Tabel 4 Pusat Cluster baru X1 X2 X3 C C C Tabel 4 tingkat kemiskinan di Kabupaten/Kota X2 X3 C2 C * * * * * * * * * * * * Pada tabel 4 menjelaskan hasil yang diperoleh dimana record 3 dan record 9 berada pada 2. Record 1,2,4,5,6,7,8,10,11,12 berada pada 3. Tidak ada kota atau kabupaten yang berada pada 1. IV.KESIMPULAN Descriptive model dimana data yang diolah adalah data kemiskinan pada 12 Kota atau Kabupaten di Propinsi Riau dimana variabel yang digunakan adalah : Data pesentase kemiskinan(x1) dan garis kemiskinan(x2) serta jumlah penduduk miskin (x3) untuk menentukan wilayah dengan tingkat kemiskinan normal dan dengan wilayah dengan tingkat kemiskinan tinggi dan wilayah dengan tingkat kemiskinan rendah. Data tersebut diolah dengan menggunakan k-means ing untuk menemukan pola yang memberikan gambaran tentang setiap wilayah. hasil yang diperoleh dimana record3 dan record 9 berada pada 2(wilayah dengan tingkat kemiskinan normal). Record 1,2,4,5,6,7,8,10,11,12 berada pada 3( Wilayah dengan tingkat kemiskinan tinggi). Tidak ada kota atau kabupaten yang berada pada 1(Wilayah dengan tingkat kemiskinan rendah). REFERENSI [1] Rismawan, Tedy, Sri Kusumadewi. Aplikasi K- Means untuk Pengelompokkan Mahasiswa 4

5 Berdasarkan Nilai Body Mass index (BMI) & Ukuran Kerangka. Yogyakarta [2] Agusta, Y. Minimum Message Length Mixture Modelling for Uncorrelated and Correlated Continuous Data Applied to Mutual Funds Classification, Ph.D. Thesis, School of Computer Science and Software Engineering, Monash University, Clayton, 3800 Australia, 2004 [3]Agusta,Y, K-means-penerapan, permasalahand an metode terkait, STMIK, Bali, Indonesia [4] Harun, Analisis Kepuasan Pasien Rawat Inap terhadap Mutu Pelayanan Rumah Sakit Nirmala Suri Sukohardjo dengan Methode Servqual, Tesis, Kajian Administrasi Rumah Sakit, FKM, UI, Depok.2001.) [5] Nengsih,Warnia.Clustering K-Means Analysis SNTIKI6, UIN, Pekanbaru,Indonesia [6] Nengsih, Warnia, Juni Nurma Sari. K-Means Analysis in Mapping Concept Based On Geographic Information System.IC-Star, Universitas Lampung, Lampung.Indonesia