Analisis Data Mining Terhadap Data Faktor Perceraian Di Sumatera Utara Dengan Metode K-Means Clusstering

Ayu Ofta Sari Ayu; Muhammad Iqbal

doi:10.53513/jursi.v4i1.10671

Authors

Ayu Ofta Sari Ayu Universitas Pembangunan Pancabudi
Muhammad Iqbal Universitas Pembangunan Pancabudi

DOI:

https://doi.org/10.53513/jursi.v4i1.10671

Keywords:

: K-Means Clustering, Clustering, data perceraian, Algoritma K-Means, Data Mining

Abstract

Tingginya angka perceraian di Provinsi Sumatera Utara terus meningkat setiap tahunnya. Penelitian ini bertujuan untuk mengelompokkan data perceraian berdasarkan kabupaten dan faktor penyebabnya dengan menerapkan metode K-Means Clustering menggunakan RapidMiner. Data yang dianalisis mencakup 34 kabupaten/kota di Sumatera Utara, dengan indikator utama seperti faktor ekonomi, kekerasan dalam rumah tangga, dan faktor lain yang berkontribusi terhadap perceraian. Hasil analisis menunjukkan bahwa data dapat dikelompokkan menjadi tiga klaster dengan karakteristik yang berbeda. Klaster 0, yang mencakup 26 wilayah, menunjukkan tingkat perceraian tinggi yang dipengaruhi oleh faktor ekonomi dan sosial yang kompleks. Klaster 1, dengan 3 wilayah, mencerminkan kondisi unik yang memerlukan kajian lebih mendalam untuk mengidentifikasi penyebab utama. Sementara itu, Klaster 2, dengan 4 wilayah, mencerminkan tingkat perceraian yang relatif lebih rendah dengan pengaruh faktor penyebab yang lebih sederhana. Hasil penelitian ini memberikan wawasan strategis bagi instansi terkait untuk merumuskan kebijakan yang lebih efektif dalam menekan angka perceraian, seperti program edukasi pasangan, peningkatan ekonomi, dan intervensi sosial yang tepat sasaran. Dengan memanfaatkan pendekatan berbasis data ini, diharapkan pemerintah dan lembaga terkait dapat mengambil langkah-langkah preventif yang lebih baik untuk meningkatkan kesejahteraan masyarakat.

Author Biographies

Ayu Ofta Sari Ayu, Universitas Pembangunan Pancabudi

Teknologi Informasi

Muhammad Iqbal, Universitas Pembangunan Pancabudi

Teknologi Informasi

References

N. Januari, “MENGGALI AKAR MASALAH: Analisis Kasus Perceraian di Indonesia,” AKADEMIK: Jurnal Mahasiswa Humanis, vol. 3, no. 3, pp. 120–130, 2023, doi: 10.37481/jmh.v3i3.613.

I. Z. Fahurrochman, M. Fadhilah, S. F. Al-Jabar, and Y. Herdiyanto, “Pengaruh Pernikahan Dini Dan Perceraian Dalam Perspektif Hukum Dan Psikologi Di Desa Ciluncat,” Proceedings UIN Sunan Gunung Djati Bandung, vol. 3, no. 3, pp. 316–331, 2021, [Online]. Available: https://proceedings.uinsgd.ac.id/index.php/Proceedings

D. Siregar et al., “Studi hukum tentang tingkat perceraian dan efeknya terhadap anak,” Jurnal Derma Pengabdian Dosen Perguruan Tinggi (Jurnal DEPUTI), vol. 3, no. 2, pp. 178–185, 2023, doi: 10.54123/deputi.v3i2.276.

Asiva Noor Rachmayani, “Gambaran kasus korban kekerasan dalam rumah tangga di RSUD Dr. Pringadi Medan,” p. 6, 2015.

R. H. Harahap, “Relevansi Bimbingan Perkawinan Pranikah Dengan Tingginya Angka Perceraian: Studi Analisis Terhadap Pelaksanaan Bimbingan Perkawinan Pranikah Di KUA Kota Medan,” Mizan: Journal of Islamic Law, vol. 5, no. 3, p. 393, 2021, doi: 10.32507/mizan.v5i3.1098.

E. Fidyawati et al., “Disharmoni Keluarga Pekerja Migran Indonesia ( PMI ) Tulungagung Dalam Perspektif Teori Struktural Fungsional Emile Durkheim PENDAHULUAN Pekerja Migran Indonesia ( PMI ) merupakan istilah pada warga negara Indonesia yang bekerja di luar negeri . 1 Para pe,” vol. 8, no. 1, pp. 1140–1155, 2024.

J. Ilmu and P. Dan, “Pelatihan Pra-Nikah Untuk Menangani Pernikahan Usia Dini Di Desa Cijagang Cianjur,” vol. 06, no. 4, pp. 115–127, 2024.

D. Harga, D. A. N. Kualitas, and P. Literature, “Vol. 13 No. 2 Desember 2022,” vol. 13, no. 2, pp. 75–86, 2022.

W. G. Lubis and M. Muktarruddin, “Peran konseling pranikah dalam menurunkan angka perceraian di kota Tanjung Balai,” Jurnal EDUCATIO: Jurnal Pendidikan Indonesia, vol. 9, no. 2, p. 995, 2023, doi: 10.29210/1202323413.

Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE,” Jurnal Teknik Komputer AMIK BSI, vol. 8, no. 2, pp. 174–180, 2022, doi: 10.31294/jtk.v4i2.

W. Sudrajat, I. Cholid, and J. Petrus, “Penerapan Algoritma K-Means Clustering untuk Pengelompokan UMKM Menggunakan Rapidminer,” Jurnal JUPITER, vol. 14, no. 1, pp. 27–36, 2022.

D. A. Azhari, Y. Maulita, and S. Ramadani, “Pengelompokan Data Kriminal untuk Menentukan Pola Rawan Tindak Kriminal Menggunakan Algoritma K-Means ( Studi Kasus : Polsek Hamparan Perak ) judul penelitian yaitu “ Pengelompokan Data Krim inal Untuk Menentukan Pola Rawan Tindak Kriminal Menggunakan Alg,” vol. 2, no. 5, 2024.

J. F. Andry and H. Tannady, “Data Management Analysis for Predicting Stroke using RapidMiner,” vol. 2, no. 3, pp. 318–322, 2024.

Z. Fatah et al., “IMPLEMENTASI RAPIDMINER PADA KLASTERISASI GEMPA BUMI DI INDONESIA BERDASARKAN KEDALAMAN MENGGUNAKAN K-MEANS,” vol. 1, no. 6, pp. 84–91, 2024.

S. Informasi, Y. I. Muasaroh, and Z. Fatah, “Jurnal Advance Research Informatika Implementasi RapidMiner dalam Optimasi Pembentukan Kelas Unggulan Menggunakan K-Means Clustering,” vol. 3, no. 1, pp. 66–72, 2024.

P. Rumah, S. Royal, A. Hidayah, D. Dulisep, and B. Angga, “Implementasi Algoritma K - Means Menggunakan RapidMiner untuk Klasterisasi Data Obat,” vol. 7, no. 2, pp. 200–211, 2024.

R. Adolph, “Penggunaan rapid miner untuk melihat pohon keputusan penilaian kinerja

account representative” vol. 7, no. 2, pp. 1–23, 2016.

M. Rafi Nahjan, Nono Heryana, and Apriade Voutama, “Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 1, pp. 101–104, 2023, doi: 10.36040/jati.v7i1.6094.

K. Handoko, “Penerapan Data Mining Dalam Meningkatkan Mutu Pembelajaran Pada Instansi Perguruan Tinggi Menggunakan Metode K-Means Clustering (Studi Kasus Di Program Studi Tkj Akademi Komunitas Solok Selatan),” Jurnal Teknologi dan Sistem Informasi, vol. 02, no. 03, pp. 31–40, 2016, [Online]. Available: http://teknosi.fti.unand.id/index.php/teknosi/article/view/70

A. Saputra and R. Yusuf, “Perbandingan Algoritma DBSCAN dan K-MEANS dalam Segmentasi Pelanggan Pengguna Transportasi Publik Transjakarta Menggunakan Metode RFM,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 4, pp. 1346–1361, 2024, doi: 10.57152/malcom.v4i4.1516.