ANALISIS KOMPARATIF K-MEANS UNTUK SEGMENTASI DATA EKONOMI, SOSIAL, DAN KEUANGAN

Abstract

Penelitian ini bertujuan untuk menganalisis penerapan algoritma K-Means secara komparatif pada lima studi kasus dari domain ekonomi, sosial, dan keuangan. Studi kasus yang digunakan meliputi data kemiskinan di Indonesia, laporan keuangan BUMN sektor perhubungan, konsumsi tembakau di Amerika Serikat, alokasi anggaran pendidikan lintas negara, dan kurs valuta asing terhadap Rupiah. Algoritma K-Means diterapkan menggunakan pustaka Scikit-learn dalam Python dengan langkah pra-pemrosesan yang sesuai, seperti standardisasi data dan penentuan jumlah klaster optimal menggunakan Elbow Method pada kasus tertentu. Analisis dilakukan dengan pendekatan kuantitatif untuk menghasilkan klaster, yang kemudian diinterpretasikan secara deskriptif kualitatif. Hasil penelitian menunjukkan bahwa K-Means mampu mengelompokkan data secara efektif pada kelima kasus yang dianalisis, terutama ketika diikuti dengan langkah metodologi yang tepat. Klaster yang dihasilkan mempermudah pemahaman pola data, baik untuk evaluasi kebijakan sosial-ekonomi maupun untuk mendukung pengambilan keputusan keuangan. Kesimpulan dari studi ini adalah bahwa K-Means merupakan alat segmentasi data yang fleksibel dan serbaguna, namun keberhasilan implementasinya sangat bergantung pada konteks data, metodologi yang diterapkan, dan interpretasi hasil yang cermat.