Analisis Komparatif Firefly Algorithm dan Particle Swarm Optimization dalam Optimasi K-Means untuk Pengelompokan Ketimpangan Pendapatan Antarprovinsi di Indonesia
DOI:
https://doi.org/10.35746/jtim.v8i3.1026Kata Kunci:
K-Means, PSO, FA, Silhouette Coefficient, Income InequalityAbstrak
Income inequality among provinces in Indonesia reflects differences in welfare levels influenced by the social and economic characteristics of each region. This study aims to compare the performance of Par-ticle Swarm Optimization (PSO) and Firefly Algorithm (FA) in optimizing the number of clusters in K-Means clustering to group Indonesian provinces based on seven factors related to income inequality, namely Human Development Index (HDI), Number of Poor Population, Open Unemployment Rate, In-flation, Provincial Minimum Wage, GDP per Capita, and Labor Force Participation Rate. The data used are secondary data from 2024 covering 38 provinces. The analytical methods include data standardi-zation using Z-Score, K-Means clustering, and cluster number optimization using PSO and FA evalu-ated by Silhouette Coefficient (SC). The results show that both optimization methods improved clus-tering quality compared to K-Means without optimization, which yielded an SC of 0.23. PSO produced an SC of 0.28 with an optimal cluster number of 5, while FA produced an SC of 0.39 with an optimal cluster number of 3. FA proved superior in generating a more optimal and representative clustering structure. The clustering results reveal distinct characteristics among clusters that can serve as a ba-sis for formulating more targeted income inequality reduction policies in accordance with the charac-teristics of each regional group.
Unduhan
Referensi
Wahyuni, S. dan Andriyani, D. 2022. Pengaruh inflasi, jumlah penduduk danpertumbuhan ekonomi terhadap ketimpan-gan pendapatan di provinsi aceh. Jurnal Ekonomi Regional Unimal, 05(1). https://doi.org/10.29103/jeru.v5i1.7919
Farhan, M. dan Sugianto. 2022. Analisis faktor‑faktor yang mempengaruhi Tingkat ketimpangan pendapatan di pulau jawa. Jurnal Ilmiah Bidang Sosial, Ekonomi, Budaya, Teknologi, dan Pendidikan, 1(4). https://publish.ojs-indonesia.com/index.php/SIBATIK/article/view/29
Maharani, A., Lica, Raihan, A. F., HidayatuΓlah, M. R., dan Putra, A. R. 2025. Analisis kesejahteraan dan ketimpangan pendapatan (gini ratio) terhadap tingkat pengangguran di kepulauan bangka belitung. Jurnal Mirai Management, 10(1):514–526. https://doi.org/10.37531/mirai.v10i1.9258
Badan Pusat Statistik (BPS), 2024
C. Frahita dan S. F. Nurhayati , Analisis faktor‑faktor yang mempengaruhi ketimpangan pendapatan di provinsi daerah istimewa yogyakarta, tahun 2017‑2023. JIMEA | Jurnal Ilmiah MEA (Manajemen, Ekonomi, dan Akuntansi), vol. 9, no. 1, 1847, 2025.
G. R. Wahyudi, R. Rahmaddeni, E. Dini, S. Adrianto, dan R. Fadila, Clustering regencies in indonesia for regional map-ping using the k‑means algorithm pengelompokan kabupaten di indonesia untuk pemetaan daerah menggunakan algo-ritma k‑means. MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 3, 2025. https://doi.org/10.57152/malcom.v5i3.2206
N. Nugroho dan F. Adhinata, Penggunaan metode k‑means dan k‑means++ sebagai clustering data covid‑19 di pulau ja-wa. Teknika, vol. 11, pp. 170–179, 2022. https://doi.org/10.34148/teknika.v11i3.502
K. Yuliawan, Metode k‑means clustering untuk mengelompokan indeks pemabangunan manusia (ipm) provinsi papua. JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 2, 2025. https://doi.org/10.36040/jati.v9i2.13243
H. Harliana, R. M. H. Bhakti, O. S. Bachri, dan F. S. Efendi , Optimasi k‑means dengan Particle Swarm Optimization pada pengelompokkan daerah stunting. Jurnal Ilmiah Intech : Information Technology Journal of UMUS, vol. 3, no. 2, pp. 95–101, 2021. https://doi.org/10.46772/intech.v3i02.457
D. Warianta, P. Astagina, R. Julianto, dan F. Arini, Optimalisasi k‑means menggunakan algoritma firefly untuk segmen-tasi pelanggan pada e‑commerce. JURNAL FASILKOM, vol. 14, pp. 775–785, 2024. https://doi.org/10.37859/jf.v14i3.8287
D. Dahnial,. Penerapan metode clustering k‑means terhadap dosen berdasarkan publikasi jurnal nasional dan tera-kreditasi sinta. JSI: Jurnal Sistem Informasi (E‑Journal), vol. 16, pp. 219–236, 2024. https://doi.org/10.18495/jsi.v16i1.163
R. Awaliah , Analisis clustering untuk mengelompokkan tingkat kesejahteraan kabupaten/kota berdasarkan sosial ekonomi rumah tangga di wilayah provinsi sulawesi selatan. Master’s thesis, Universitas Islam Negeri (UIN) Alauddin Makassar, 2018.
A. Waruwu, M. Yetri, dan F. Setiawan, Implementasi data mining dalam mengelompokkan data penduduk kurang mampu menggunakan metode k‑means clustering. JURNAL SISTEM INFORMASI TGD, vol. 2, no. 6, pp. 945–955, 2023. https://doi.org/10.53513/jursi.v2i6.8965
B. A. Suryani, M. N. Hayati, dan S. Prangga, Pengelompokan kabupaten/kota di pulau kalimantan pada tahun 2020 dan 2021 berdasarkan indeks pembangunan manusia menggunakan metode algoritma st‑dbscan. Jurnal Riset Pembangunan, 6(1), 2023. https://doi.org/10.36087/jrp.v6i1.139
A. Sidqiy dan, S. Amar , Faktor – faktor yang mempengaruhi pemerataan pendapatan di indonesia. Ecosains: Jurnal Ilmi-ah Ekonomi dan Pembangunan, vol. 9, no. 1, pp. 48-57, 2020. https://doi.org/10.24036/ecosains.11549957.00
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Adinda Adinda, Fahrezal Zubedi, Nisky Imansyah Yahya
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
