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

Authors

DOI:

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

Keywords:

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

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.

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.

Downloads

Published

2025-12-03

Issue

Vol. 6 No. 2: DESEMBER 2025

Section

ARTIKEL VOL. 6 NO. 2 2025

License

Penulis yang naskahnya diterbitkan menyetujui ketentuan sebagai berikut:

  1. Hak publikasi atas semua materi naskah jurnal yang diterbitkan/dipublikasikan dalam jurnal ini dipegang oleh dewan redaksi dengan sepengetahuan penulis (hak moral tetap milik penulis naskah).
  2. Ketentuan legal formal untuk akses artikel digital jurnal elektronik ini tunduk pada ketentuan lisensi Creative Commons Attribution-ShareAlike (CC BY), yang berarti  Jurnal Device berhak menyimpan, mengalih media/format-kan, mengelola dalam bentuk pangkalan data (database), merawat, dan mempublikasikan artikel tanpa meminta izin dari Penulis selama tetap mencantumkan nama Penulis sebagai pemilik Hak Cipta.
  3. Naskah yang diterbitkan/dipublikasikan secara cetak dan elektronik bersifat open access untuk tujuan pendidikan, penelitian, dan perpustakaan. Selain tujuan tersebut, dewan redaksi tidak bertanggung jawab atas pelanggaran terhadap hukum hak cipta.