KOMPARASI K-MEANS DAN NAÏVE BAYES PADA  ANALISIS MIGRASI PENDUDUK MAJALENGKA

Budiman; Ii Sopiandi; Mei Bunga Kiranti

doi:10.31949/infotech.v12i1.18258

Authors

Budiman Universitas Majalengka, Indonesia
Ii Sopiandi Universitas Majalengka, Indonesia
Mei Bunga Kiranti Universitas Majalengka, Indonesia

DOI:

https://doi.org/10.31949/infotech.v12i1.18258

Abstract

Penelitian ini membandingkan performa algoritma K-Means Clustering dan Naïve Bayes Classification dalam mengidentifikasi pola migrasi penduduk antar kecamatan di Kabupaten Majalengka menggunakan data migrasi tahun 2024 dari Dinas Kependudukan dan Pencatatan Sipil. Penelitian dilakukan menggunakan pendekatan Knowledge Discovery in Database (KDD) melalui tahapan seleksi data, preprocessing, transformasi, pemodelan, dan evaluasi. Algoritma K-Means digunakan untuk mengelompokkan 26 kecamatan ke dalam tiga klaster berdasarkan karakteristik migrasi masuk dan keluar, sedangkan Naïve Bayes digunakan untuk mengklasifikasikan kecenderungan migrasi menjadi kategori kenaikan dan penurunan. Hasil menunjukkan bahwa K-Means berhasil membentuk tiga kelompok migrasi yaitu tinggi, sedang, dan rendah secara konsisten setelah dua iterasi. Sementara itu, Naïve Bayes menghasilkan akurasi klasifikasi sebesar 90% berdasarkan evaluasi confusion matrix. Temuan ini menunjukkan bahwa K-Means efektif untuk eksplorasi pola data tanpa label, sedangkan Naïve Bayes lebih unggul untuk prediksi berbasis data berlabel. Kombinasi kedua algoritma memberikan pendekatan komprehensif untuk mendukung analisis kebijakan kependudukan berbasis data.
Kata Kunci: Migrasi Penduduk, K-Means, Naïve Bayes, Data Mining, RapidMiner.

Keywords:

migrasi penduduk, Naïve Bayes, K-Means, klasifikasi

Downloads

Download data is not yet available.

References

Afidah, N. N. (2023). Penerapan Metode Clustering Dengan Algoritma K-Means Untuk Pengelompokkan Data Migrasi Penduduk Tiap Kecamatan Di Kabupaten Rembang. PRISMA, 6, 729–738.

Aryanto, R. P., Nilogiri, A., & Wardoyo, A. E. (2024). Klasterisasi Jumlah Penduduk Provinsi Jawa Timur Tahun 2021--2023 Menggunakan Algoritma K-Means. JISKA (Jurnal Informatika Sunan Kalijaga), 9(2), 134–146. https://doi.org/10.14421/jiska.2024.9.2.134-146

Busert-Sebela, L., Fewtrell, M., Rougeaux, E., Adriana, V., & Wells, J. C. K. (2025). Associations Of Parental Internal Migration With Child Growth And Nutritional Status In Low- And Middle-Income Countries: A Systematic Review. Social Science & Medicine, 371, 117899. https://doi.org/10.1016/j.socscimed.2025.117899

Chen, X., & Liu, Y. (2024). Comparative Analysis Of Machine Learning Approaches For Demographic Prediction. Expert Systems With Applications, 242, 122341.

Han, J., & Kim, S. (2023). Machine Learning Approaches For Population Migration Prediction Using Regional Demographic Data. Expert Systems With Applications, 228, 120321. https://doi.org/10.1016/j.eswa.2023.120321

Lee, D., & Park, J. (2023). Big Data Analytics For Urban Migration Using Clustering And Classification Algorithms. Sustainable Cities And Society, 95, 104621. https://doi.org/10.1016/j.scs.2023.104621

Nasir, A., Putra, R., & Hidayat, T. (2024). Comparative Performance Of K-Means And Naïve Bayes For Academic Performance Prediction. International Journal Of Educational Data Mining, 11(2), 88–104.

Nurahman, N., Alfitri, M. M., & Mashamy, E. (2022). Klasifikasi Data Penduduk Untuk Menerima Bantuan Pangan Non Tunai Menggunakan Algoritma Naïve Bayes. JURIKOM (Jurnal Riset Komputer), 9(4), 1035–1042. https://doi.org/10.30865/jurikom.v9i4.4678

Nurhachita, N., & Negara, E. S. (2020). A Comparison Between Naïve Bayes And The K-Means Clustering Algorithm For The Application Of Data Mining On The Admission Of New Students. Jurnal Intelektualita, 9(1), 51–62. https://doi.org/10.19109/intelektualita.v9i1.5574

Pramana, P. G. S. C. (2023). Penerapan Algoritma Naïve Bayes Untuk Prediksi Penjualan Produk Terlaris Pada CV Akusara Jaya Abadi. Jurnal Informatika Terapan, 10(4), 518–534.

Putri, A., & Setiawan, D. (2023). Implementation Of K-Means Clustering For Population Distribution Analysis In Indonesia. Journal Of Information Systems Engineering And Business Intelligence, 9(1), 56–67. https://doi.org/10.20473/jisebi.9.1.56-67

Rahman, M., & Alam, S. (2023). Data Mining Approaches For Regional Migration Analysis. Journal Of Big Data, 10(1), 45–61.

Yuniati Ningsih, D., Zuriyani, E., & Ulni, A. Z. P. (2022). Analisis Spasial Migrasi Masyarakat Etnis Batak Toba Di Kecamatan Mandau Kabupaten Bengkalis. Jurnal Multidisiplin Indonesia, 1(3), 797–803. https://doi.org/10.58344/jmi.v1i3.72