PENERAPAN DATA MINING DAN FORECASTING TERHADAP DATA KEMISKINAN DI INDONESIA

Abstract

Studi ini menganalisis dampak pandemi COVID-19 terhadap ekonomi dan kemiskinan di Indonesia serta mengusulkan solusi menggunakan algoritma data mining seperti k-Nearest Neighbors (kNN) dan K-Means clustering untuk mengatasi masalah tersebut. Dengan memanfaatkan metode forecasting seperti ARIMA, penelitian menemukan bahwa jumlah penduduk miskin cenderung stabil dari tahun 2010 hingga 2023, namun tanpa tren penurunan atau peningkatan yang signifikan. Hal ini menunjukkan perlunya peninjauan ulang terhadap kebijakan dan program penanggulangan kemiskinan yang ada. Melalui analisis K-Means clustering, wilayah-wilayah di Indonesia dapat dikelompokkan berdasarkan jumlah penduduk miskin, memungkinkan perencanaan kebijakan spesifik dan alokasi sumber daya yang lebih efisien. Kesimpulannya, upaya berkelanjutan dan strategi yang lebih efektif diperlukan untuk mencapai tujuan pengurangan kemiskinan yang lebih besar di masa mendatang.