Optimalisasi Pemetaan UMKM di Wilayah DKI Jakarta Melalui K-Means Clustering dan PCA

Danda Bagaskoro; Pita Penengah; Muh. Junaidi; Muhamad Ilham Afandi

doi:10.29407/noe.v8i02.25791

Authors

Danda Bagaskoro Universitas Nusantara PGRI Kediri
Pita Penengah Universitas Nusantara PGRI Kediri
Muh. Junaidi Universitas Nusantara PGRI Kediri
Muhamad Ilham Afandi Universitas Nusantara PGRI Kediri

DOI:

https://doi.org/10.29407/noe.v8i02.25791

Keywords:

UMKM, K-MEANS Clustering,, Dki Jakarta

Abstract

Usaha mikro,kecil, dan menengah (UMKM) merupakan pilar penting dalam perekonomian Indonesia, namun distribusi dan karakteristik UMKM di berbagai wilayah DKI Jakarta masih belum terpetakan secara optimal. Penelitian ini bertujuan untuk melakukan segmentasi wilayah berdasarkan jumlah dan jenis UMKM dengan menerapkan algoritma K-Means Clustering menggunakan Python. Proses analisis dimulai dari integrasi data UMKM, praproses (penghapusan kolom tidak relevan, penanganan missing value), transformasi data menjadi pivot table, hingga stan’darisasi fitur numerik. Penentuan jumlah klaster optimal dilakukan dengan metode Elbow, sementara kualitas klasterisasi dievaluasi menggunakan Silhouette Score dan Davies-Bouldin Index. Hasil klasterisasi menunjukkan adanya tiga segmen utama wilayah: rendah, sedang, dan tinggi berdasarkan jumlah UMKM. Visualisasi menggunakan diagram lingkaran dan Principal Component Analysis (PCA) memperjelas distribusi dan pemisahan antar klaster. Nilai Silhouette Score sebesar 0,867 dan Davies-Bouldin Score sebesar 0,366 menandakan kualitas klasterisasi yang sangat baik. Temuan ini diharapkan dapat menjadi dasar bagi pemerintah dan pemangku kepentingan dalam merumuskan kebijakan pengembangan UMKM yang lebih tepat sasaran dan berbasis data.-

Abstract views: 0 , PDF downloads: 0

References

DAFTAR PUSTAKA

[1] Putri Salsabila Indrawan Lubis and Rofila Salsabila, “Peran UMKM (Usaha Mikro, Kecil, Dan Menengah) Dalam Meningkatkan Pembangunan Ekonomi Di Indonesia,” MUQADDIMAH J. Ekon. Manajemen, Akunt. dan Bisnis, vol. 2, no. 2, pp. 91–110, 2024, doi: 10.59246/muqaddimah.v2i2.716.

[2] D. Marcelina, A. Kurnia, and T. Terttiaavini, “Analisis Klaster Kinerja Usaha Kecil dan Menengah Menggunakan Algoritma K-Means Clustering,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 293–301, 2023, doi: 10.57152/malcom.v3i2.952.

[3] A. D. T. Putra et al., “Pemetaan Usaha Mikro Kecil Menengah (UMKM) Desa Glesungrejo, Baturetno, Wonogiri Berbasis Web Map,” J. Pengabdi. Masy. Bangsa, vol. 2, no. 1, pp. 116–123, 2024, doi: 10.59837/jpmba.v2i1.779.

[4] N. Syifa and R. N. Fahmi, “Implementasi Metode K-Means Clustering dalam Analisis Persebaran UMKM di Jawa Barat,” JOINS (Journal Inf. Syst., vol. 6, no. 2, pp. 211–220, 2021, doi: 10.33633/joins.v6i2.5310.

[5] P. Puntoriza and C. Fibriani, “Analisis Persebaran UMKM Kota Malang Menggunakan Cluster K-means,” JOINS (Journal Inf. Syst., vol. 5, no. 1, pp. 86–94, 2020, doi: 10.33633/joins.v5i1.3469.

[6] A. Azzam, A. Irma Purnamasari, and I. Ali, “Implementasi Algoritma K-Means Clustering Untuk Analisis Persebaran Umkm Di Jawa Barat,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 3062–3070, 2024, doi: 10.36040/jati.v8i3.8450.

[7] Haris Kurniawan, Sarjon Defit, and Sumijan, “Data Mining Menggunakan Metode K-Means Clustering Untuk Menentukan Besaran Uang Kuliah Tunggal,” J. Appl. Comput. Sci. Technol., vol. 1, no. 2, pp. 80–89, 2020, doi: 10.52158/jacost.v1i2.102.

[8] N. Wakhidah, “Clustering Menggunakan K-Means Algorithm ( K-Means Algorithm Clustering ),” Fak. Teknol. Inf., vol. 21, no. 1, pp. 70–80, 2014.

[9] F. Nasari and S. Darma, “Seminar Nasional Teknologi Informasi dan Multimedia 2015 PENERAPAN K-MEANS CLUSTERING PADA DATA PENERIMAAN MAHASISWA BARU (STUDI KASUS : UNIVERSITAS POTENSI UTAMA),” pp. 6–8, 2015.

[10] B. M. Metisen and H. L. Sari, “Analisis clustering menggunakan metode K-Means dalam pengelompokkan penjualan produk pada Swalayan Fadhila,” J. Media Infotama, vol. 11, no. 2, pp. 110–118, 2015.

[11] A. Ristyawan, A. Nugroho, and T. K. Amarya, “Optimasi Preprocessing Model Random Forest Untuk Prediksi Stroke,” vol. 12, no. 1, 2025.

[12] M. Bakri, “Penerapan Data Mining untuk Clustering Kualitas Batu Bara dalam Proses Pembakaran di PLTU Sebalang Menggunakan Metode K-Means,” J. Teknoinfo, vol. 11, no. 1, p. 6, 2017, doi: 10.33365/jti.v11i1.3.

[13] D. A. I. C. Dewi and D. A. K. Pramita, “Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali,” Matrix J. Manaj. Teknol. dan Inform., vol. 9, no. 3, pp. 102–109, 2019, doi: 10.31940/matrix.v9i3.1662.

[14] E. Muningsih, N. Hasan, and G. B. Sulistyo, “Penerapan Metode Principle Component Analysis (PCA) untuk Clustering Data Kunjungan Wisatawan Mancanegara ke Indonesia,” Bianglala Inform., vol. 8, no. 1, pp. 58–62, 2020, doi: 10.31294/bi.v8i1.8470.

[15] M. Rafi Nahjan, Nono Heryana, and Apriade Voutama, “Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 101–104, 2023, doi: 10.36040/jati.v7i1.6094.