Identification of Indonesian Provinces Based on Socioeconomic Indicators in 2024 Using K-Means
DOI:
https://doi.org/10.62375/jsintak.v4i2.789Keywords:
Poverty, K-Means Clustering, Human Development Index (HDI), Open Unemployment Rate (OUR), GDRP per CapitaAbstract
Poverty remains a persistent development challenge in Indonesia, characterized by substantial disparities across regions. Differences in social and economic conditions among provinces highlight the need for a comprehensive regional classification to support the formulation of targeted development policies. This study aims to classify Indonesian provinces based on their poverty and development characteristics. The data used are secondary data for the year 2024 obtained from Statistics Indonesia (Badan Pusat Statistik), with 38 provinces as the units of analysis. The variables include the poverty rate, Human Development Index (HDI), Open Unemployment Rate (OUR), and gross regional domestic product (GRDP) per capita. The analytical method employed is K-Means clustering, with variables standardized using Z-Scores. The optimal number of clusters was determined using the Elbow method and confirmed by the Silhouette Score. The results indicate that Indonesian provinces can be grouped into four clusters with distinct social and economic characteristics. Each cluster reflects different levels of poverty, human development quality, and labor market conditions. These findings emphasize that poverty in Indonesia is a multidimensional issue, underscoring the need for development and poverty alleviation policies that are tailored to the specific characteristics of each cluster.
References
M. Armini dan D. N. Azizah, Dari Angka Menuju Makna, Malang: Universitas Muhammadiyah Malang, 2025.
A. Suryahadi dan R. Al Izzati, Kemiskinan Multidimensi di Indonesia, Jakarta: SMERU Research Institue, 2021.
BPS, “Konsep dan Definisi Kemiskinan,” Badan Pusat Statistik, Jakarta, 2021.
M. Firdaus dan H. Setiawan, “Determinan Kemiskinan di Indonesia : Pendekatan Data Panel,” Jurnal Ekonomi dan Studi Pembangunan, vol. 23, 2022.
D. Leonita dan M. Sari, Analisis PDRB dan Pertumbuhan Ekonomi Regional, Yogyakarta: Andi Publisher, 2019.
R. Amalina dan D. Hartono, “Analisis Pengaruh Indeks Pembangunan Manusia dan Pertumbuhan Ekonomi terhadap Kemiskinan di Indonesia,” Jurnal Ekonomi dan Pembangunan, pp. 1-15, 2019.
Y. Febdianti, Ekonomi Regional : Teori dan Aplikasi, Bandung: Refika Aditama, 2017.
I. Suhendra dan A. WIcaksono, “Analisis Determinan Pengangguran di Indonesia,” Jurnal Ekonomi dan Pembangunan, 2020.
A. Saputra dan R. Hidayat, “Klasterisasi Provinsi di Indonesia Berdasarkan Indikator Sustainable Development Goals (SDGs) Menggunakan Algoritma K-Means,” Jurnal Statistika dan Aplikasinya, pp. 123-135, 2021.
S. Sukirno, Makroekonomi : Teori Pengantar, Jakarta: Rajawali Pers, 2018.
BPS, “Indeks Pembangunan Manusia,” Badan Pusat Statistik, Jakarta, 2023.
M. B. Dalimunthe dan B. E. Sitanggang, “The Relationship Between Economic Growth and Poverty In Indonesia,” Journal of Social Science , 2022.
M. S. Suliswanto, “Pengaruh Produk Domestik Bruto (PDRB) dan Indeks Pembangunan Manusia (IPM) terhadap Angka Kemiskinan di Indonesia,” Jurnal Ekonomi Pembangunan, 2020.
H. Y. Dama, “Pengaruh PDRB Terhadap Tingkat Kemiskinan di Kota Manado (Tahun 2005-2014),” Jurnal Berkala Ilmiah Efisiensi, 2016.
K. Ningsih dan A. W. Wijayanto, “Komparasi Metode Clustering Pada Provinsi di Indonesia Berdasarkan Pertumbuhan Ekonomi Tahun 2022,” Kompitika : Jurnal Sistem Komputer, 2023.
N. Etrisia dan M. Findi, “Klasifikasi Inflasi 34 Ibukota Provinsi di Indonesia Sebelum dan Saat Covid-19 Melalui Pengelompokan Wilayah dengan K-Means Clustering,” Jurnal Ekonomi dan Studi Pembangunan, 2023.
Sari dan Pratama, “Analisis Klaster Provinsi di Indonesia Berdasarkan Kesiapan Teknologi Informasi dan Komunikasi,” Jurnal Komputika, 2022.
G. R. Wahyudi, D. E. Rahmadenni dan dkk, “Clustering Regencies in Indonesia for Regional Mapping Using The K-Means Algorithm,” MALCOM, vol. 5, 2025.
D. S. Rachmad, “Klasifikasi Pada Tempat Tinggal Menurut Provinsi dan Jenis Kepemilikan Berdasarkan Algoritma K-Means,” STRING (Satuan Tulisan Riset dan Inovasi Teknologi), 2020.
C. Prianto dan S. Bunyamin, Panduan Pembuatan Aplikasi Clustering Gangguan Jaringan Menggunakan Metode K-Means Clustering, Bandung: Kreatif Industri Nusantara, 2020.
L. Anggraeni dan R. R. Arum, “Aanalisis Cluster Menggunakan Algoritma K-Means Pada Provinsi Sumatera Barat Berdasarkan Indeks Pembangunan Manusia Tahun 2021,” Prosiding Seminar Nasional UNIMUS, pp. 639-640, 2022.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Erika Putri Permatasari, Lathifa Aurellia Iriani, Edy Widodo
This work is licensed under a Creative Commons Attribution 4.0 International License.
