CLUSTERING DATA KEPADATAN PENDUDUK KOTA PEMATANGSIANTAR (PER KM2) MENURUT KECAMATAN MENGGUNAKAN METODE K-MEANS CLUSTERING
DOI:
https://doi.org/10.180997/jrsikom.v1i2.24Keywords:
Kepadatan Penduduk; K-Means Clustering; Kota Pematangsiantar; Data MiningAbstract
Penelitian ini bertujuan untuk mengelompokkan data kepadatan penduduk per km2 pada delapan Kecamatan di Kota Pematangsiantar selama periode tahun 2022 hingga 2024 menggunakan metode K-Means Clustering. Metode ini digunakan untuk mengidentifikasi pola kepadatan penduduk dan mengklasifikasikan kecamatan ke dalam tiga cluster, yaitu: tinggi, sedang, dan rendah. Pengolahan data dilakukan dengan menggunakan perangkat lunak RapidMiner serta perhitungan manual untuk validasi hasil. Hasil penelitian menunjukkan bahwa Kecamatan Siantar Barat dan Siantar Utara termasuk dalam cluster kepadatan tinggi, Siantar Selatan dan Siantar Timur dalam cluster sedang, dan empat kecamatan lainnya termasuk dalam cluster rendah. Metode K-Means Clustering terbukti efektif dalam mengelompokkan data kepadatan penduduk dan dapat digunakan sebagai dasar pengambilan keputusan dalam perencanaan wilayah dan tata kota.
References
[1] Badan Pusat Statistik Kota Pematangsiantar, Data Kepadatan Penduduk Kota Pematangsiantar (per km²). [Online]. Available: https://siantarkota.bps.go.id/id
[2] R. M. Sabiq, “Pengaruh Kepadatan Penduduk Terhadap Tindakan Kriminal,” Jurnal Kolaborasi Resolusi Konflik, vol. 3, no. 2, pp. 161–167, 2022. ISSN: 2655-8823 (p), 2656-1786 (e).
[3] C. Y. E. Dita and M. Legowo, “Analisis Kepadatan Penduduk yang Berpengaruh terhadap Kemiskinan dan Degradasi Lingkungan,” Prosiding Seminar Nasional Ilmu-Ilmu Sosial (SNIIS), Universitas Negeri Surabaya, vol. 1, 2022.
[4] F. L. Yanuar, A. Ahmad, and G. A. Tjahjono, “Pengaruh Kepadatan Penduduk Terhadap Kualitas
Hidup Masyarakat di Kecamatan Pasar Kliwon Kota Surakarta Tahun 2021,” Geadidaktika: Jurnal Pendidikan Geografi, vol. 4, no. 1, 2024.
[5] Soekartawi, Ekonomi Sumberdaya dan Lingkungan, Jakarta: LP3ES, 2004.
[6] Santoso, Demografi dan Kependudukan, Yogyakarta: Pustaka Pelajar, 2013.
[7] Kartodirdjo, Penduduk dan Pembangunan, Jakarta: Gramedia, 1992.
[8] A. Nugraha, O. Nurdiawan, and G. Dwilestari, “Penerapan Data Mining Metode K-Means Clustering untuk Analisa Penjualan pada Toko Yana Sport Jati,” Jurnal Mahasiswa Teknik Informatika, vol. 6, no. 2, Sep. 2022.
[9] A. Pangestu and T. Ridwan, “Penerapan Data Mining Menggunakan Algoritma K-Means Pengelompokan Pelanggan Berdasarkan Kubikasi Air Terjual Menggunakan WEKA,” Jurnal Mahasiswa Teknik Informatika, vol. 11, no. 3, May 2021, pp. 67–71.
[10] S. K. Arum, R. Astuti, and F. M. Basysyar, “Penerapan Algoritma K-Means pada Dataset Pengangguran Terbuka Berdasarkan Pendidikan di Provinsi Jawa Barat,” JATI: Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 2, Apr. 2024.
[11] R. B. Prasetyo, Y. A. Pranoto, and R. P. Prasetya, “Implementasi Data Mining Menggunakan Algoritma K-Means Clustering pada Penyakit Pasien Rawat Jalan di Klinik Dr. Atirah Desa Sioyong, Sulteng,” JATI: Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 4, Aug. 2023.
[12] J. F. Butarbutar, N. B. Nugroho, and W. R. Maya, “Implementasi Data Mining untuk Mengelompokkan Daerah Rawan Tindakan Kriminal di Kota Medan Menggunakan Metode K-Means,” Jurnal CyberTech, vol. 4, no. 3, Mar. 2021.
[13] U. Fayyad, G. Piatetsky-Shapiro, and P. Smyth, “From data mining to knowledge discovery in databases,” AI Magazine, vol. 17, no. 3, pp. 37–54, 1996.
[14] J. Han and M. Kamber, Data Mining: Concepts and Techniques, 3rd ed. Amsterdam: Elsevier, 2012.
[15] E. Turban, J. E. Aronson, and T. P. Liang, Decision Support Systems and Intelligent Systems, 7th ed. New Jersey: Pearson Prentice Hall, 2007.
[16] I. H. Witten, E. Frank, and M. A. Hall, Data Mining: Practical Machine Learning Tools and Techniques, 3rd ed. Burlington, MA: Morgan Kaufmann, 2011.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 (JRSIKOM) Jurnal Riset Sistem Informasi dan Aplikasi Komputer

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