Perbandingan Algoritma K-Means dan Agglomerative Clustering Dalam Pengelompokan UMKM di Provinsi Daerah Istimewa Yogyakarta

Latar Belakang: Provinsi Daerah Istimewa Yogyakarta (DIY) memiliki potensi ekonomi kreatif yang besar melalui keberadaan UMKM yang tersebar di berbagai wilayah. Namun, data UMKM yang belum tersaji secara terstruktur dan terintegrasi menyulitkan pemangku kebijakan dan juga wisatawan dalam mengakses informasi yang dibutuhkan. Oleh karena itu, diperlukan pendekatan berbasis data untuk mengelompokkan kategori UMKM secara lebih efektif.
Tujuan: Penelitian ini bertujuan untuk membandingkan efektivitas dua algoritma, yaitu K-Means dan Agglomerative clustering , dalam mengelompokkan kategori UMKM berdasarkan nama desa dan sektor ekonomi kreatif seperti kuliner, kerajinan tangan, dan seni budaya. Hasil klasterisasi diharapkan dapat memberikan informasi yang lebih terstruktur dan mendukung kebutuhan pemangku kepentingan dan juga wisatawan.
Metode Penelitian: Penelitian ini menggunakan pendekatan CRISP-DM yang terdiri dari enam tahap: pemahaman bisnis, pemahaman data, persiapan data, modeling, evaluasi, dan deployment. Proses pengelompokan dilakukan dengan membandingkan algoritma K-Means dan Agglomerative clustering, serta evaluasi performa menggunakan metrik Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Index.
Hasil: Hasil evaluasi menunjukkan bahwa algoritma Agglomerative clustering memberikan hasil klasterisasi yang lebih optimal dibandingkan K-Means. Agglomerative clustering mampu menggambarkan struktur data kategori UMKM dengan lebih akurat dan stabil, terutama dalam konteks persebaran antar desa. Visualisasi hasil klaster ini juga dinilai mampu membantu wisatawan dalam melihat kategori UMKM yang sesuai dengan preferensi mereka.
Kesimpulan: Agglomerative clustering terbukti lebih efektif dalam pengelompokan kategori UMKM berbasis lokasi dan sektor, serta lebih tepat digunakan sebagai dasar visualisasi dalam melihat kategori UMKM berbasis wisata dan ekonomi kreatif di DIY.