Aplikasi Segmentasi Negara Berdasarkan Indikator Ekonomi dan Kesehatan Berbasis Algoritma K-Means dan Streamlit.

SRI FUNKY LEDY PURBA, JHON TRAVOLTA TANGDIRERUNG, ESTER ENJELINA, MUHAMMAD IFAN RIFANI IHSAN

Abstract


Penelitian ini memiliki tujuan untuk mengelompokkan negara-negara di dunia berdasarkan indikator ekonomi dan kesehatan menggunakan algoritma K-Means, serta menampilkannya melalui aplikasi interaktif Streamlit. Data berasal dari World Development Indicators dan mencakup variabel seperti PDB, harapan hidup, angka kelahiran, angka kematian, akses listrik, dan pengeluaran pemerintah untuk kesehatan. Data dianalisis melalui langkah-langkah pembersihan, standarisasi, dan penentuan jumlah klaster optimal menggunakan metode Elbow, yang menghasilkan tiga klaster utama: negara berpenghasilan tinggi, menengah, dan rendah. Visualisasi menggunakan Principal Component Analysis (PCA) menunjukkan pemisahan klaster yang jelas dan mencerminkan perbedaan tingkat kesejahteraan antar negara. Aplikasi berbasis Streamlit memudahkan pengguna untuk memahami pola pembangunan global secara interaktif. Hasil penelitian ini diharapkan dapat menjadi dasar bagi pengembangan kebijakan pembangunan yang efektif dan adil.


Keywords


Kata Kunci: K-Means, Streamlit, PDB, Kesehatan, Analisis Klaster.

Full Text:

PDF

References


Carita, H. R., Hakim, H. K., Saputra, R. N. H., Fabiola, N. K. M., Albar, I. S., Rohman, V. A., & Nuraya, A. S. (2025). Dampak Perubahan Anggaran terhadap Output dan Pertumbuhan Ekonomi di Indonesia dalam Sisi Income and Spending. JSE: Jurnal Sharia Economica, 4(3), 158–174. https://doi.org/10.46773/jse.v4i3.2148

Darmawan, D. (2024). Metodologi Penelitian Dalam Pengembangan Aplikasi Streamlit: Studi Kasus Visualisasi Data Gempa Bumi Di Indonesia. Research Gate, August. https://doi.org/10.13140/RG.2.2.26320.32008

Dian Merini. (2013). Analisa Efisiensi Pengeluaran Pemerintah Sektor Publik di Kawasan Asia Tenggara: Aplikasi Data Envelopment Analysis. Working Paper Universitas Brawijaya, 1–31.

Fithryani, N. M., Dikananda, A. R., Rohman, D., & Cirebon, K. (2025). Algoritma K-Means Untuk. 13(1), 997–1003.

Negara, P., Indikator, B., Valentino, M., Sipahutar, Y., & Farhan, M. (2020). PEMBANGUNAN GLOBAL MENGGUNAKAN METODE PCA DAN CLUSTERING K-MEANS TAHUN 2000-2020.

Nurhudaya, R. P., Bustomi, I., Danutirta, R., Ardeliana, L., Rudianto, B., & Alfian, Z. (2025). Analisis Perbandingan Hasil K-Means Clustering untuk Sektor Ekonomi dan Kesehatan. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(2), 4479–4487. https://doi.org/10.31004/riggs.v4i2.1258

Romantika Marpaung, D., Gunawan, E., Rio Fa, F., & Christianto, A. (2025). Klasterisasi Negara Dunia Berdasarkan Data Sosioekonomi dan Demografi Tahun 2023 dengan PCA dan K-Means. KOMPUTA : Jurnal Ilmiah Komputer Dan Informatika, 14(1), 2715–7849. https://doi.org/10.34010/komputa.v14i1.

Bholowalia, P., & Kumar, A. (2014). EBK-Means: A Clustering Technique based on Elbow Method and K-Means in WSN. International Journal of Computer Applications, 105(9), 975–8887.

Hartanti, N. T., Seniwati, E., Pramitasari, R., Studi, P., Informasi, S., Amikom, U., Studi, P., Komputer, T., & Amikom, U. (2024). Metode Elbow K-Means dalam Implementasi Data Mining pada Pemetaan Penyebaran Guru SMK. Teknika, 18(2), 501–512.

Hendrastuty, N. (2024). Pengertian Analisis Data. Jurnal Ilmiah Informatika Dan Ilmu Komputer (Jima-Ilkom), 3(1), 46–56. https://doi.org/10.58602/jima-ilkom.v3i1.26

Rianti, R., Andarsyah, R., & Awangga, R. M. (2024). Penerapan PCA dan Algoritma Clustering untuk Analisis Mutu Perguruan Tinggi di LLDIKTI Wilayah IV. Nuansa Informatika, 18(2), 67–77. https://doi.org/10.25134/ilkom.v18i2.211

Sarimole, F. M., & Hakim, L. (2024). Klasifikasi Barang Menggunakan Metode Clustering K-Means Dalam Penentuan Prediksi Stok Barang. Jurnal Sains Dan Teknologi, 5(3), 846–854. https://doi.org/10.55338/saintek.v5i3.2709

Turnip, M., Setiawan, H., Sitanggang, D., & Aisyah, S. (n.d.). Implementasi Metode K-Means Clustering Untuk. 9, 80–89.

Bhahari, R. H. (2024). Clustering Analysis of Socio-Economic Districts / Cities In East Java Province Using PCA And Hierarchical Clustering Methods. 8(4), 2242–2251.

E-issn : 2988-1986. (2025). 8(7).

Komprehensif, T., Principal, P., & Analysis, C. (2025). Jurnal EurekaMatika. 13(1), 25–34.

Priyanto, E., & Tahyudin, I. (2024). Analisis Relevansi Kompetensi Alumni dengan Pekerjaan di Pendidikan Tinggi Menggunakan Pendekatan PCA dan Clustering Magister of Computer Science , Universitas Amikom Purwokerto , Jawa Tengah , Indonesia The Application of PCA for Dimensionality Reduction in K-Means Clustering for Analyzing the Relevance of Education and Employment in the Higher Education Sector. 4(12), 785–793.




DOI: https://doi.org/10.46576/device.v6i2.7865

Article Metrics

Abstract view : 0 times
PDF – 0 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 SRI FUNKY LEDY PURBA, JHON TRAVOLTA TANGDIRERUNG, ESTER ENJELINA, MUHAMMAD IFAN RIFANI IHSAN

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY
Terindeks pada:

   

Member Of :


DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY

Published by :
FAKULTAS TEKNIK DAN ILMU KOMPUTER
PROGRAM STUDI SISTEM INFORMASI
UNIVERSITAS DHARMAWANGSA

Alamat : Jl. K. L. Yos Sudarso No. 224 Medan
Kontak : Tel. 061 6635682 - 6613783  Fax. 061 6615190
E-mail  : admin_device@dharmawangsa.ac.id

 Creative Commons License

Device : Journal Of Information System, Computer Science And Information Technology by Universitas Dharmawangsa is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Based on a work at http://jurnal.dharmawangsa.ac.id/index.php/device