Penerapan Algoritma K-Means untuk Pengelompokan Negara di Dunia Berdasarkan Indikator Ekonomi

Abstract

Perkembangan ekonomi global menuntut pemahaman mendalam tentang karakteristik ekonomi negara-negara di dunia. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk mengelompokkan negara berdasarkan indikator ekonomi seperti Gross Domestic Product (GDP), ekspor, impor, inflasi, dan tingkat pengangguran. Metode clustering digunakan untuk mengidentifikasi pola dan struktur ekonomi negara-negara dengan menganalisis data sekunder dari World Bank tahun 2022. Proses preprocessing meliputi pembersihan data, normalisasi menggunakan Min-Max Scaling, dan seleksi variabel ekonomi kunci. Algoritma K-Means diterapkan dengan jumlah klaster optimal sebanyak 3, yang diperoleh melalui metode Elbow. Hasil clustering menunjukkan tiga kelompok negara: negara dengan ekonomi kecil, negara berkembang, dan negara dengan ekonomi raksasa. Klaster 0 terdiri dari 52 negara yang cenderung memiliki ekonomi kecil, klaster 1 mencakup 165 negara berkembang dengan karakteristik ekonomi menengah, sedangkan klaster 2 hanya terdiri dari 2 negara yang memiliki ekonomi sangat besar. Evaluasi menggunakan Silhouette Score (0,52), Davies-Bouldin Index (0,71), dan Calinski-Harabasz Index (145,73) mengindikasikan kualitas clustering yang baik. Penelitian ini memberikan wawasan tentang klasifikasi negara berdasarkan indikator ekonomi dan dapat menjadi referensi bagi pembuat kebijakan dalam merancang strategi ekonomi yang lebih efektif.