PENGELOMPOKAN NEGARA BERDASARKAN INDIKATOR PEMBANGUNAN GLOBAL MENGGUNAKAN METODE PCA DAN CLUSTERING K-MEANS TAHUN 2000-2020
Article Sidebar
Read Counter : 8
Download : 0
Main Article Content
Abstract
Penelitian ini bertujuan untuk mengelompokkan negara-negara di dunia berdasarkan indikator pembangunan global dengan menggunakan metode Principal Component Analysis (PCA) dan K-Means Clustering. Data yang digunakan bersumber dari Global Development Indicators tahun 2000–2020 yang mencakup dimensi ekonomi, sosial, dan digital. Tahapan analisis diawali dengan pra-pemrosesan data, termasuk interpolasi dan imputasi nilai hilang, standarisasi menggunakan Z-score, serta transformasi arah untuk variabel berdampak negatif. PCA diterapkan untuk mereduksi kompleksitas data, menghasilkan dua komponen utama (PC1 dan PC2) yang menjelaskan lebih dari 80% variansi data. Selanjutnya, K-Means digunakan untuk melakukan clustering, dengan evaluasi melalui silhouette coefficient yang menunjukkan nilai optimal sebesar 0,71 pada empat klaster. Hasil analisis menunjukkan bahwa kombinasi PCA dan K-Means efektif dalam mengidentifikasi pola pembangunan global dan mengelompokkan negara berdasarkan karakteristik pembangunan yang serupa. Temuan ini dapat digunakan sebagai dasar dalam penyusunan kebijakan pembangunan dan strategi kerja sama internasional yang lebih terarah.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under a Jurnal Komunikasi Creative Commons Attribution-ShareAlike 4.0 International License.
References
[1] A. Reza Hariyadi, “Dinamika Kebijakan Perencanaan Pembangunan Nasional Indonesia,” JDKP Jurnal Desentralisasi dan Kebijakan Publik, vol. 2, no. 2, hlm. 259–276, Sep 2021, doi: 10.30656/jdkp.v2i2.3887.
[2] Sultan, H. C. Rahayu, dan Purwiyanta, “Analisis Pengaruh Kesejahteraan Masyarakat Terhadap Pertumbuhan Ekonomi di Indonesia,” Jurnal Informatika Ekonomi Bisnis, hlm. 75–83, Mar 2023, doi: 10.37034/infeb.v5i1.198.
[3] United Nations, “The Sustainable Development Goals Report,” 2024.
[4] A. Verma, O. Angelini, dan T. Di Matteo, “A new set of cluster driven composite development indicators,” EPJ Data Sci, vol. 9, no. 1, Des 2020, doi: 10.1140/epjds/s13688-020-00225-y.
[5] E. Emawati Chotim, “PEMBANGUNAN BERKELANJUTAN DENGAN DIMENSI EKONOMI, EKOLOGI, DAN SOSIAL DI INDONESIA,” vol. 4, no. 1, 2020.
[6] M. Nilashi, O. Keng Boon, G. Tan, B. Lin, dan R. Abumalloh, “Critical Data Challenges in Measuring the Performance of Sustainable Development Goals: Solutions and the Role of Big-Data Analytics,” Harv Data Sci Rev, vol. 5, no. 3, Jul 2023, doi: 10.1162/99608f92.545db2cf.
[7] Y. Xiong dkk., “Assessing Sustainable Development through Multidimensional Framework of Synergies and Trade-offs,” Ecosystem Health and Sustainability, vol. 11, 2025, doi: 10.34133/ehs.0351.
[8] Y. Linawati, H. Suzantia, dan M. G. Wibowo, “Dampak Tata Kelola Pemerintahan Terhadap Pertumbuhan Ekonomi dan Indeks Pembangunan Manusia: Studi Kasus Negara Berkembang OKI,” TEMALI : Jurnal Pembangunan Sosial, vol. 4, no. 2, hlm. 133–144, Sep 2021, doi: 10.15575/jt.v4i2.12547.
[9] Haris Faozan, “TATA KELOLA PEMERINTAHAN DAERAH YANG BAIK DAN PERTUMBUHAN EKONOMI LOKAL YANG MENIMBULKAN PEMBANGUNAN DAERAH,” vol. VII, Jun. 2022.
[10] U. U. Suhardi, U. Pribadi, dan Z. Losi, “The Effects of Good Governance Principles: Accountability, Transparency, and Participation on Public Trust in Village Funds Management,” International Journal of Social Science and Business, vol. 7, no. 4, hlm. 1050–1060, Nov 2023, doi: 10.23887/ijssb.v7i4.57648.
[11] D. I. Ginting dan I. Lubis, “Pengaruh Angka Harapan Hidup dan Harapan Lama Sekolah Terhadap Indeks Pembangunan Manusia,” Des 2023.
[12] Indah Budiastutik, Elly Trisnawati, Giska Hediyanti, Nurul Amaliyah, dan Resky Nanda Pranaka, “Hubungan Penyakit Menular, Sumber Air Bersih, Praktik Kebersihan, dan Sanitasi dengan Kejadian Stunting: Studi Kasus Kontrol di Kabupaten Sambas,” Amerta Nutrition, Agu 2024.
[13] Dhiaulhaq Luqyana Nizhamul, Vedelya Istighfarah, dan Novri Dwi Damayanti, “Faktor-Faktor Pengaruh Indeks Pembangunan Manusia (IPM) di Hongkong dan Singapura,” Nov 2023, doi: 10.25157/je.v11i2.11808.
[14] N. Khairani dan T. Sendjaja, “Akselerasi Transformasi Digital sebagai Katalisator Pertumbuhan Ekonomi: Studi Komparatif Kebijakan Singapura dan Indonesia,” Des 2024, vol. 5, no. 12, hlm. 2094.
[15] RHAINA NAWANG WULAN, “Pengaruh Pertumbuhan Bisnis Digital terhadap Pertumbuhan Ekonomi di Indonesia dengan Penyerapan Tenaga Kerja sebagai Variabel Intervening,” Des 2021.
[16] Mohammad Rudy Salahuddin, “Pengembangan Ekonomi Digital Indonesia 2030,” 2024.
[17] Abdul Karim, “Transformasi Digital dalam Menunjang Pertumbuhan Ekonomi,” Jan 2025.
[18] I. Yasmin, “Infrastruktur Air Bersih yang Ada di Indonesia,” Sep 2023. [Daring]. Tersedia pada: https://www.researchgate.net/publication/373977763
[19] A. A. Nasution, T. Neyatri Bandrang, D. M. Widiniarsih, M. Syaiful, dan A. R. Munir, “Peran Ekonomi Digital terhadap Ketahanan dan Pertumbuhan Ekonomi di Indonesia,” Universitas Muhammadiyah Pringsewu, vol. 5, no. 8, hlm. 4224, 2024.
[20] NIZAR FUADI, “Penguasaan Kedaulatan Konektivitas Digital Guna Mendukung Akselerasi Ekonomi dalam Rangka Meningkatkan Ketahanan Nasional,” Agu 2023.
[21] S. Rathod, S. Banda, dan N. Bandumula, “Statistical Procedures for Analyzing Agricultural Data using R,” 2023. [Daring]. Tersedia pada: https://www.researchgate.net/publication/391930391
[22] J. Qian dkk., “Structured illumination microscopy based on principal component analysis,” eLight, vol. 3, no. 1, Des 2023, doi: 10.1186/s43593-022-00035-x.
[23] D. Hediyati dan I. M. Suartana, “Penerapan Principal Component Analysis (PCA) untuk Reduksi Dimensi pada Proses Clustering Data Produksi Pertanian di Kabupaten Bojonegoro,” Surabaya, Feb 2021.
[24] M. Yafi, R. Goejantoro, A. Tri, dan R. Dani, “K-Medoids Algorithm Clustering with Principal Component Analysis (PCA) (Case Study: Districts/Cities on the Borneo Island Based on Poverty Indicators),” Feb 2023, doi: 10.14710/JSUNIMUS.11.2.2023.31-43.
[25] R. R. Muhima, M. Kurniawan, S. R. Wardhana, A. Yudhana, Sunardi, dan M. Adhimukti, “An Improved Clustering Based on K-Means for Hotspots Data,” Indonesian Journal of Electrical Engineering and Computer Science, vol. 31, no. 2, hlm. 1109–1117, Agu 2023, doi: 10.11591/ijeecs.v31.i2.pp1109-1117.
[26] S. Surono, K. W. Goh, C. W. Onn, dan F. Marestiani, “Developing an Optimized Recurrent Neural Network Model for Air Quality Prediction Using K-Means Clustering and PCA Dimension Reduction,” International Journal of Innovative Research and Scientific Studies, vol. 6, no. 2, hlm. 330–343, 2023, doi: 10.53894/ijirss.v6i2.1427.
[27] M. Cui, “Introduction to the K-Means Clustering Algorithm Based on the Elbow Method,” Jan 2020, doi: 10.23977/accaf.2020.010102.
[28] E. S. Dalmaijer, C. L. Nord, dan D. E. Astle, “Statistical Power for Cluster Analysis,” BMC Bioinformatics, vol. 23, no. 1, Des 2022, doi: 10.1186/s12859-022-04675-1.
[29] K. P. Sinaga dan M. S. Yang, “Unsupervised K-Means Clustering Algorithm,” IEEE Access, vol. 8, hlm. 80716–80727, 2020, doi: 10.1109/ACCESS.2020.2988796.
[30] “Reconstruct missing data,” MATLAB & Simulink Example, https://www.mathworks.com/help/signal/ug/reconstruct-missing-data.html (accessed Aug. 7, 2025).
[31] MathWorks, “Data Preprocessing Techniques,” Juni 2024, MathWorks. [Daring]. Tersedia pada: https://www.mathworks.com/discovery/data-preprocessing.html
[32] “Principal Components of a Data Set,” 2021. [Daring]. Tersedia pada: https://www.mathworks.com/help/stats/pca.html
[33] “Reconstruct missing data,” MATLAB & Simulink Example, https://www.mathworks.com/help/signal/ug/reconstruct-missing-data.html (accessed Aug. 7, 2025).
[34] “Train a K-Means Clustering Algorithm,” 2024. [Daring]. Tersedia pada: https://www.mathworks.com/help/stats/kmeans.html