Implementasi Data Minning Clustering Dalam Mengelompokan Kasus Perceraian Yang Terjadi Di Provinsi Jawa Timur Menggunakan Algoritma K-Means

  • Heru Teguh Santoso Teguh Universitas Nusantara PGRI Kediri
Abstract views: 6 , PDF downloads: 4
Keywords: Perceraian; Clustering; Algoritma K-Means; Data mining; Davies-Bouldin Index;

Abstract

Fenomena perceraian di Provinsi Jawa Timur menunjukkan tren peningkatan setiap tahunnya, didorong oleh berbagai faktor kompleks seperti kondisi ekonomi, pendidikan, dan sosial budaya. Penelitian ini menggunakan pendekatan data mining dengan algoritma K-Means untuk mengelompokkan kasus perceraian berdasarkan kesamaan karakteristik. Data perceraian dari Badan Pusat Statistik tahun 2020-2022 dianalisis menggunakan metode clustering, dengan evaluasi kualitas hasil clustering dilakukan menggunakan Davies-Bouldin Index (DBI).Hasil penelitian menunjukkan bahwa model clustering dengan 7 klaster memberikan performa terbaik dengan nilai DBI terendah, yaitu 0,460. Setiap klaster merepresentasikan pola distribusi perceraian yang unik, yang dapat digunakan untuk mengidentifikasi kelompok masyarakat yang rentan terhadap perceraian. Temuan ini diharapkan dapat memberikan wawasan yang mendalam bagi pengambil kebijakan dalam merancang strategi pencegahan perceraian yang lebih tepat sasaran. Penelitian lebih lanjut disarankan untuk memperkaya analisis dengan variabel tambahan seperti kondisi ekonomi dan tingkat pendidikan, serta menggunakan data yang lebih terkini.

Downloads

Download data is not yet available.

References

[1] Yunus Muhammad, Aziz Abdul, hasanah Nurul, Khasanah Jama’atun, and A’im5, “PENGARUH PERNIKAHAN DINI TERHADAP TINGKAT PERCERAIAN DI KECAMATAN ABUNG BARAT,” Jurnal Multidisiplin Ilmu, vol. Vol. 2 (1), pp. 35–44, Jan. 2023, doi: https://doi.org/10.31004/koloni.v2i1.381.
[2] J. Jukim ; | P-Dhani Nadiatusholikha ; Putri, S. S. Syarifa, and N. . Rofiq, “Lanjar Indah Kusumawardhany, Rizkyta Dwi Fatimah, Nailus Syarifa, Salsabila Swastika Putri,” Jurnal Ilmiah Multidisiplin, vol. 3, no. 4, pp. 95–102, 2024, doi: 10.56127/jukim.v3i04.
[3] Winarsih, Junadi, and Taufiq Ahmad, “EFEKTIVITAS PROGRAM BIMBINGAN PERKWINAN KEMENTRIAN AGAMA DALAM MENCEGAH PERCERIAN DI KABUPATEN BOJONEGORO TAHUN 2018-2020,” JIAN - Jurnal Ilmiah Administrasi negara, vol. Vol. 6 (2), pp. 13–19, 2022, doi: https://doi.org/10.56071/jian.v6i2.652.
[4] E. Purwaningsih and E. Nurelasari, “Implementasi Metode K-Means Clustering Dengan Davies Bouldin Index Pada Analisis Faktor Penyebab Perceraian,” INFORMATION MANAGEMENT FOR EDUCATORS AND PROFESSIONALS, vol. 7, no. 2, pp. 134–143, 2023, [Online]. Available: https://databoks.katadata.co.id/
[5] N. A. Sudibyo, A. Iswardani, K. Sari, S. Suprihatiningsih, U. Duta, and B. Surakarta, “PENERAPAN DATA MINING PADA JUMLAH PENDUDUK MISKIN DI INDONESIA,” Jurnal Ilmiah Pendidikan Matematika, Matematika Dan Statistika, vol. 1, no. 3, pp. 199–207, doi: 10.46306/lb.v1i3.
[6] L. Magdalena and R. Fahrudin, “Penerapan Data Mining Untuk Koperasi Se-Jawa Barat Menggunakan Metode Clustering pada Kementerian Koperasi dan UKM,” 2019. doi: https://doi.org/10.51920/jd.v9i2.120.
[7] I. Nozomi, “PENERAPAN DATA MINING UNTUK PERINGATAN DINI BANJIR MENGGUNAKAN METODE KLASTERING K-MEANS (STUDI KASUS KOTA PADANG),” Bulan Juni, 2023.
[8] D. A. Fakhri, S. Defit, and Sumijan, “Optimalisasi Pelayanan Perpustakaan terhadap Minat Baca Menggunakan Metode K-Means Clustering,” Jurnal Informasi dan Teknologi, pp. 160–166, Sep. 2021, doi: 10.37034/jidt.v3i3.137.
[9] N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa,” 2024, doi: 10.58602/jima-ilkom.v3i1.26.
[10] S. Hajar, A. A. Novany, A. P. Windarto, A. Wanto, and E. Irawan, Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) Penerapan K-Means Clustering Pada Ekspor Minyak Kelapa Sawit Menurut Negara Tujuan.
[11] M. Triandini, S. Defit, and G. W. Nurcahyo, “Data Mining dalam Mengukur Tingkat Keaktifan Siswa dalam Mengikuti Proses Belajar pada SMP IT Andalas Cendekia,” Jurnal Informasi dan Teknologi, pp. 167–173, Sep. 2021, doi: 10.37034/jidt.v3i3.120.
[12] P. Apriyani, A. R. Dikananda, and I. Ali, “Penerapan Algoritma K-Means dalam Klasterisasi Kasus Stunting Balita Desa Tegalwangi,” Hello World Jurnal Ilmu Komputer, vol. 2, no. 1, pp. 20–33, Mar. 2023, doi: 10.56211/helloworld.v2i1.230.
[13] Anggreini Novita Lestari, “TEKNIK CLUSTERING DENGAN ALGORITMA K-MEDOIDS UNTUK MENANGANI STRATEGI PROMOSI DI POLITEKNIK TEDC BANDUNG,” Dec. 2019. [Online]. Available: http://tip.ppj.unp.ac.id
[14] Elfaladonna Febie and RahmadaniAyu, “ANALISA METODE CLASSIFICATION-DECISSION TREE DAN ALGORITMA C.45 UNTUK MEMPREDIKSI PENYAKIT DIABETES DENGAN MENGGUNAKAN APLIKASI RAPID MINER,” Science and Information Technology, vol. 2, pp. 10–7, Apr. 2019, doi: https://doi.org/10.31598/sintechjournal.v2i1.293.
[15] Fadlina, “DATA MINING UNTUK PREDIKSI PENYAKIT BATU EMPEDU DENGAN ALGORITMA C45 APLIKASI RAPID MINER,” Jul. 2023. doi: https://doi.org/10.58369/git.v1i2.126.
[16] C. Zai and T. Komputer, “IMPLEMENTASI DATA MINING SEBAGAI PENGOLAHAN DATA.”
[17] E. Tachi and N. & Andri, “Penerapan Data Mining Untuk Analisis Daftar Pembelian Konsumen Dengan Menggunakan Algoritma Apriori Pada Transaksi Penjualan Toko Bangunan MDN,” 2021.
[18] N. A. Sudibyo, A. Iswardani, K. Sari, S. Suprihatiningsih, U. Duta, and B. Surakarta, “PENERAPAN DATA MINING PADA JUMLAH PENDUDUK MISKIN DI INDONESIA,” Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika, vol. 1, no. 3, pp. 199–207, Dec. 2020, doi: 10.46306/lb.v1i3.
[19] I. Parlina, A. Perdana Windarto, A. Wanto, Mr. Lubis, D. Amik Tunas Bangsa Pematangsiantar, and D. A. STIKOM Tunas Bangsa JlJendral Sudirman Blok No, “MEMANFAATKAN ALGORITMA K-MEANS DALAM MENENTUKAN PEGAWAI YANG LAYAK MENGIKUTI ASESSMENT CENTER UNTUK CLUSTERING PROGRAM SDP,” Jan. 2018.
Published
2025-06-30

PlumX Metrics

How to Cite
Teguh, H. T. S. (2025). Implementasi Data Minning Clustering Dalam Mengelompokan Kasus Perceraian Yang Terjadi Di Provinsi Jawa Timur Menggunakan Algoritma K-Means. JAMI: Jurnal Ahli Muda Indonesia, 6(1), 68 - 83. https://doi.org/10.46510/jami.v6i1.324
Section
Articles