Penerapan Clustering Pada Data Perceraian di Indonesia Menggunakan Algoritma BIRCH
Kata Kunci:
Clustering, BIRCH, Perceraian, PCAAbstrak
Perceraian adalah salah satu isu sosial yang memberi dampak dalam kehidupan, mulai dari orang dewasa hingga anak-anak. Perceraian dipengaruhi banyak faktor mulai dari ekonomi, ketidakcocokan hingga keberadaan teknologi. Karena itu, perlu adanya upaya yang sesuai agar angka perceraian dapat ditekan. Cara yang dapat digunakan adalah dengan melakukan clustering dengan algoritma BIRCH (Balanced Iterative Reducing and Clustering Using Hierarcics) berdasarkan faktor perceraian di seluruh provinsi di Indonesia. Cluster yang digunakan pada penelitian ini ada 10, mulai dari cluster 0 hingga 9. Metode Penelitian yang digunakan adalah KDD (Knowledge Discovery in Database). Pengolahan data dilakuan menggunakan Google Colab dengan bahasa pemroraman python. Berdasarkan hasil cluster, diperoleh faktor dominan yang berbeda-beda untuk setiap clusternya. Cluster 2 memiliki anggota terbanyak yaitu 6 provinsi dengan penyebab perceraian karena ditinggalkan pasangan dan judi. Penelitian ini menghasilkan sistem penerapan algoritma BIRCH pada data perceraian, sehinga bisa menjadi salah satu acuan bagi pihak pemerintah untuk menekan angka perceraian berdasarkan faktor pemicu di setiap wilayah.
Referensi
D. Andriani and S. I. Azmi, “K-Means Clustering Tingkat Perceraian dan Faktor Perceraian di Indonesia Tahun 2023,” vol. 1, no. 1, 2025.
A. O. Sari and M. Iqbal, “Analisis Data Mining Terhadap Data Faktor Perceraian Di Sumatera Utara Dengan Metode K-Means Clusstering,” vol. 4, 2025.
M. Mahanani, “KLASTERISASI DATA PERCERAIAN DI WILAYAH KABUPATEN LAMONGAN DENGAN MENGGUNAKAN METODE K-MEANS,” 2024.
D. F. Angraeni, N. Rahaningsih, R. D. Dana, and C. L. Rohmat, “PEMANFAATAN ALGORITMA K-MEANS DALAM ANALISIS DATA PENJUALAN TOKO BUYUNG UPIK JS DI LAZADA,” JITET, vol. 13, no. 2, Apr. 2025, doi: 10.23960/jitet.v13i2.6438.
F. Febriansyah, “PENERAPAN ALGORITMA K-MEANS CLUSTERING DATA GIZI BALITA PADA UPTD PUSKESMAS BUMI AGUNG,” JITET, vol. 12, no. 3, Aug. 2024, doi: 10.23960/jitet.v12i3.4923.
B. Triwijaya and S. Wibowo, “Performance Comparison of K-Means Algorithm and BIRCH Algorithm in Clustering Earthquake Data in Indonesia with Web-Based Map Visualization,” vol. 8, no. 1, 2025.
J. Laurenso, D. Jiustian, F. Fernando, V. Suhandi, and T. H. Rochadiani, “Implementation of K-Means, Hierarchical, and BIRCH Clustering Algorithms to Determine Marketing Targets for Vape Sales in Indonesia,” JAIC, vol. 8, no. 1, pp. 62–70, July 2024, doi: 10.30871/jaic.v8i1.4871.
C. A. Nugraha, M. A. Kesuma, O. I. Cahyani, M. Wati, and H. Haviluddin, “Pengelompokan Harga Cabai Rawit Berdasarkan Provinsi Menggunakan Principal Component Analysis dan K-Means,” JUKI : Jurnal Komputer dan Informatika, vol. 7, no. 1, pp. 80–88, Jan. 2025.
M. I. Al-Arrafi and A. Ramadhanu, “IMPLEMENTASI METODE ALGORITMA PRINCIPAL COMPONENT ANALYSIS (PCA) DAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DALAM KLASIFIKASI BUAH JAMBU MADU JAMBU MERAH DAN MANGGIS,” 2025.
A. Asistyasari, Y. Nuryaman, A. Yudha, and B. Sudarsono, “Analasis Penyebaran Kasus Perceraian Di Provinsi-Provinsi Indonesia Menggunakan Algoritma K-Mean,” INSIT, vol. 3, no. 01, pp. 40–45, Feb. 2025, doi: 10.34005/insit.v3i01.4507.
S. A. Wardani, N. B. Al Varuq, and H. T. Santoso, “Implementasi Data Minning Clustering Dalam Mengelompokan Kasus Perceraian Yang Terjadi Di Provinsi Jawa Timur Menggunakan Algoritma K-Means,” jami, vol. 6, no. 1, pp. 68–83, June 2025, doi: 10.46510/jami.v6i1.324.
B.-S. Indonesia, “Jumlah Perceraian Menurut Provinsi dan Faktor Penyebab Perceraian (perkara), 2024 - Statistical Data.” Accessed: Aug. 13, 2025. [Online]. Available: https://www.bps.go.id/en/statistics-table/3/YVdoU1IwVmlTM2h4YzFoV1psWkViRXhqTlZwRFVUMDkjMw==/jumlah-perceraian-menurut-provinsi-dan-faktor.html?year=2024
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Adittia Fathah
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
