Perbandingan Kinerja K-Means dan PSO K-Means Untuk Klasterisasi Dokumen Kependudukan Berbasis SIG
DOI:
https://doi.org/10.48144/suryainformatika.v16i2.2520Keywords:
Davies-Bouldin Index, Dokumen Kependudukan, K-Means, Particle Swarm Optimizatio, Sistem Informasi GeografisAbstract
Dinas Kependudukan dan Pencatatan Sipil Kabupaten Cirebon belum memiliki analisis berbasis data yang dapat mengelompokkan tingkat kebutuhan layanan dokumen kependudukan sekaligus menampilkan persebarannya secara spasial. Penelitian ini bertujuan mengelompokkan persebaran dokumen kependudukan pada 40 kecamatan dan membangun sistem informasi geografis untuk memvisualisasikan hasil pengelompokan. Data periode 2024–2025 terdiri atas Kartu Keluarga, KTP, Kartu Identitas Anak, Akta Kelahiran, dan Akta Kematian. Tahapan analisis mengikuti CRISP-DM, meliputi pemahaman masalah, pemahaman data, pembersihan, seleksi atribut, normalisasi Min-Max, pemodelan K-Means, optimasi centroid menggunakan Particle Swarm Optimization, evaluasi, dan penerapan hasil ke sistem. Tiga cluster digunakan untuk merepresentasikan kategori tinggi, sedang, dan rendah. K-Means menghasilkan distribusi cluster 13, 17, dan 10 kecamatan pada 2024 serta 15, 15, dan 10 kecamatan pada 2025. K-Means + PSO menghasilkan distribusi 14, 10, dan 16 kecamatan pada kedua tahun. Optimasi menurunkan SSE dari 4,314 menjadi 3,779 atau sebesar (12,97%) dan DBI dari 1,230 menjadi 1,050 atau sebesar (14,62%) pada 2024, serta menurunkan SSE dari 4,053 menjadi 3,783 atau sebesar (6,67%) dan DBI dari 1,170 menjadi 1,073 atau sebesar (5,11%). pada 2025. Seluruh fitur sistem untuk admin dan kepala dinas dinyatakan berhasil melalui pengujian black box. Hasil ini menunjukkan bahwa PSO memperbaiki kualitas cluster dan integrasi SIG memudahkan interpretasi persebaran wilayah
References
F. Febriansyah and S. Muntari, “Penerapan Algoritma K-Means untuk Klasterisasi Penduduk Miskin pada Kota Pagar Alam,” 2023. https://doi.org/10.14421/jiska.2023.8.1.66-77
S. N. Mayasari and J. Nugraha, “Implementasi K-Means Cluster Analysis untuk Mengelompokkan Kabupaten/Kota Berdasarkan Data Kemiskinan di Provinsi Jawa Tengah Tahun 2022,” 2023. [Online]. https://doi.org/10.24002/konstelasi.v3i2.7200
R. Gesit Prasasti Alam and Y. Everhard, “Optimasi K-Means Dengan Particle Swarm Optimization Dalam Penentuan Titik Awal Pusat Klaster Data Telekomunikasi K-Means Optimization with Particle Swarm Optimization In Determining The Starting Point Of Cluster Centers of Telecommunication Data.” https://doi.org/10.62411/tc.v23i1.9743
F. Charisma Hayatina, S. H. Wijaya, M. Kusuma, and D. Hardhienata, “Pengelompokan Publikasi Ilmiah Berdasarkan Bidang Kepakaran Menggunakan Latent Dirichlet Allocation dan Normalized PSO-K-means Clustering of Scientific Publications Based on Field of Expertise Using Latent Dirichlet Allocation and Normalized PSO-K-means.” [Online]. Available: http://journal.ipb.ac.id/index.php/jika https://doi.org/10.29244/jika.10.2.121-132
M. W. Ouertani, G. Manita, and O. Korbaa, “Automatic Data Clustering Using Hybrid Chaos Game Optimization with Particle Swarm Optimization Algorithm,” in Procedia Computer Science, Elsevier B.V., 2022, pp. 2677–2687. doi: 10.1016/j.procs.2022.09.326.
F. Valerian and S. Yulianto, “IDENTIFICATION OF THE COVID-19 DISTRIBUTION AREA ON THE ISLAND OF KALIMANTAN USING THE K-MEANS SPATIAL CLUSTERING METHOD,” Jurnal Teknik Informatika (Jutif), vol. 3, no. 4, pp. 839–346, Aug. 2022, doi: 10.20884/1.jutif.2022.3.4.314.
R. Ghimire, S. Dhakal, M. Sapkota, Y. Kc, and R. Shrestha, “Web Mapping on Land Cover Change of Kathmandu, Lalitpur and Bhaktapur District,” 2022. https://doi.org/10.3126/njg.v21i1.50887
O. Arifin and A. R. Supriyatna, “Sistem Informasi Geografis untuk Pemetaan Lahan Kakao Menggunakan Leaflet JS dan GeoJSON,” Jurnal Teknoinfo, vol. 17, no. 1, p. 364, 2023, doi: 10.33365/jti.v17i1.2397.
C. E. D. Vanegas, J. C. G. Mejía, F. A. V. Agudelo, and D. E. S. Duran, “A Representation Based on Essence for the CRISP-DM Methodology,” Computacion y Sistemas, vol. 27, no. 3, pp. 675–689, 2023, doi: 10.13053/CyS-27-3-3446. https://doi.org/10.1080/09537287.2023.2234882
N. Shalsadilla et al., “Penentuan Jumlah Cluster Optimum Menggunakan Davies Bouldin Index dalam Pengelompokan Wilayah Kemiskinan di Indonesia,” 2023. https://doi.org/10.29313/statistika.v23i1.1743
A. L. Firmansyah, B. I. Nugroho, and Z. Arif, “Optimasi K-Means Clustering Pada Data Harga Mangga Menggunakan Particle Swarm Optimization,” Jurnal Teknologi Sistem Informasi, vol. 6, no. 2, pp. 245–259, Sep. 2025, doi: 10.35957/jtsi.v6i2.13158.
