Analisis Klaster Data Ekonomi dengan Algoritma K-Means pada Beragam Dataset Nasional dan Internasional

Abstract

Penelitian ini mengkaji penerapan algoritma pengelompokan K-Means untuk menganalisis lima set data terkait isu ekonomi dan sosial dari berbagai domain dan periode waktu. Data yang digunakan meliputi skor GCG negara-negara Asia, realisasi investasi asing di Indonesia, indeks korupsi global, tingkat kesiapan e-Government, serta data pertumbuhan ekonomi dan tingkat pengangguran di Indonesia. Penelitian ini bertujuan untuk mengidentifikasi pola atau klaster yang dapat memberikan wawasan dalam pengambilan keputusan. Evaluasi kinerja model dilakukan dengan mengukur dua metrik, yaitu Silhouette Score dan Inertia. Hasil analisis menunjukkan bahwa algoritma K-Means dapat menghasilkan klaster yang informatif, yang berpotensi digunakan untuk mendukung kebijakan dan keputusan strategis. Skor evaluasi terbaik diperoleh pada set data terkait investasi asing, dengan Silhouette Score sebesar 0,671, sementara pengelompokan terlemah ditemukan pada data pertumbuhan ekonomi dan pengangguran dengan Silhouette Score yang lebih rendah, yaitu sebesar 0,291. Hasil ini memberikan pemahaman yang lebih mendalam tentang kekuatan dan keterbatasan K-Means dalam berbagai konteks ekonomi dan sosial.