Analisis Persebaran Izin Usaha di Kabupaten Sragen Menggunakan Metode K-Means Clustering
DOI:
https://doi.org/10.52436/1.jpti.608Keywords:
Data Mining, Kabupaten Sragen, K-Means Clustering, Persebaran Izin UsahaAbstract
Peningkatan perekonomian adalah tantangan yang dihadapi oleh Pemerintah daerah. Dalam membangun perekonomian Kabupaten Sragen memiliki dinas yang berperan dalam keberhasilan Investasi yang menunjang pertumbuhan ekonomi yaitu Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu. Dinas ini melaksanakan tugas yang mendukung visi misi Bupati dalam hal peningkatan perekonomian. Dalam melaksanakan tugasnya dinas ini mempunyai program yang terdiri dari kegiatan untuk mencapai target yang sudah ditetapkan. Sasaran program tersebut adalah terlaksananya promosi dan pelayanan perizinan berusaha. Melihat data dari tahun sebelumnya perizinan berusaha di Sragen berkembang sangat pesat, namun persebaran izin usaha tersebut tidak merata, hanya sebagian kecil wilayah saja yang menunjukkan tingginya izin usaha. Hal ini menuntut adanya analisis data yang efektif yang bisa memetakan pola persebaran tersebut. Penelitian ini menerapkan analisis data menggunakan metode K-Means Clustering, data yang dianalisi adalah data izin usaha tahun sebelumnya yang meliputi izin usaha mikro, kecil dan menengah. Analisis ini mengelompokan wilayah kecamatan yang ada di Kabupaten Sragen menjadi 3 klaster yaitu: (1) Klaster dengan persebaran izin usaha tinggi, (2) klaster persebaran izin usaha sedang dan (3) Klaster persebaran izin usaha rendah. Hasil penelitian diharapkan bisa menjadi acuan bagi dinas terkait untuk merumuskan kebijakan pemerataan izin usaha. Penelitian ini memberikan kontribusi pada pengambilan keputusan berbasis data untuk pemerataan izin usaha di Kabupaten Sragen.
Downloads
References
N. Badriyah, Hozairi, and M. Walid, “Penentuan Bidang Minat Tugas Akhir Mahasiswa Teknik Informatika Universitas Islam Madura Menggunakan Metode K-Means,” J. Inform. Teknol. dan Sains, vol. 5, no. 4, pp. 566–572, 2023, doi: 10.51401/jinteks.v5i4.2782.
S. Sumarlinda and W. Lestari, “Journal of Intelligent Decision Support System (IDSS) Decision support system for lecturer publication mapping using k-means clustering method,” J. Intell. Decis. Support Syst., vol. 5, no. 4, pp. 140–145, 2022.
I. Romli, “Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Klasifikasi Penyakit Ispa,” Indones. J. Bus. Intell., vol. 4, no. 1, p. 10, 2021, doi: 10.21927/ijubi.v4i1.1727.
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.
R. Adhitama, A. Burhanuddin, and A. Febriani, “Penerapan X Means Clustering Pada UMKM Kab Banyumas Yang Mendukung Mega Shifting Consumer Behavior Akibat Covid-19,” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 4, no. 1, pp. 71–80, 2022, doi: 10.20895/inista.v4i1.429.
Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE,” J. Tek. Komput. AMIK BSI, vol. 8, no. 2, pp. 174–180, 2022, doi: 10.31294/jtk.v4i2.
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.
S. A. Rahmah, “Review Terbaru Tentang Klasterisasi Data Mining Menggunakan Metode K-Means: Tantangan Dan Aplikasi,” Djtechno J. Teknol. Inf., vol. 5, no. 2, pp. 297–303, 2024, doi: 10.46576/djtechno.v5i2.4723.
E. Muningsih, I. Maryani, and V. R. Handayani, “Penerapan Metode K-Means dan Optimasi Jumlah Cluster dengan Index Davies Bouldin untuk Clustering Propinsi Berdasarkan Potensi Desa,” J. Sains dan Manaj., vol. 9, no. 1, p. 96, 2021, [Online]. Available: www.bps.go.id
R. Supardi and I. Kanedi, “Implementasi Metode Algoritma K-Means Clustering pada Toko Eidelweis,” J. Teknol. Inf., vol. 4, no. 2, pp. 270–277, 2020, doi: 10.36294/jurti.v4i2.1444.
N. T. Hartanti, “Jurnal Nasional Teknologi dan Sistem Informasi Metode Elbow dan K-Means Guna Mengukur Kesiapan Siswa SMK Dalam Ujian Nasional,” J. Nas. Teknol. dan Sist. Inf., vol. 06, no. 02, pp. 82–89, 2020, [Online]. Available: https://teknosi.fti.unand.ac.id/index.php/teknosi/article/view/1499/pdf
N. Ameliana, N. Suarna, and W. Prihartono, “Analisis Data Mining Pengelompokkan Umkm Menggunakan Algoritma K-Means Clustering Di Provinsi Jawa Barat,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 3261–3268, 2024, doi: 10.36040/jati.v8i3.9655.
N. Mirantika, “Penerapan Algoritma K-Means Clustering Untuk Pengelompokan Penyebaran Covid-19 di Provinsi Jawa Barat,” Nuansa Inform., vol. 15, no. 2, pp. 92–98, 2021, doi: 10.25134/nuansa.v15i2.4321.
A. Sulistiyawati and E. Supriyanto, “Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan,” J. Tekno Kompak, vol. 15, no. 2, p. 25, 2021, doi: 10.33365/jtk.v15i2.1162.
I. Wahyudi, M. B. Sulthan, and L. Suhartini, “Analisa Penentuan Cluster Terbaik Pada Metode K-Means Menggunakan Elbow Terhadap Sentra Industri Produksi Di Pamekasan,” J. Apl. Teknol. Inf. dan Manaj., vol. 2, no. 2, pp. 72–81, 2021, doi: 10.31102/jatim.v2i2.1274.
B. Arifitama and A. Syahputra, “Analisis Data Mining Pada Klasterisasi UMKM Dengan Menggunakan Algoritma K-Means,” J. Ind. Kreat. dan Inform., vol. 2, no. 2, pp. 66–72, 2022.
A. Nugraha, O. Nurdiawan, and G. Dwilestari, “Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Yana Sport,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 849–855, 2022, doi: 10.36040/jati.v6i2.5755.
