Pendekatan Data Mining Dengan Algoritma K-Means Untuk Klasterisasi Faktor Perceraian Di Jawa Barat

Abstract

Abstrak: Penelitian ini dilatarbelakangi oleh tingginya angka perceraian di Provinsi Jawa Barat yang menunjukkan variasi faktor penyebab antarwilayah, sehingga diperlukan analisis kuantitatif berbasis data untuk mengidentifikasi pola pengelompokan determinannya. Tujuan penelitian ini adalah menganalisis konfigurasi klaster faktor penyebab perceraian serta mengidentifikasi faktor dominan pada masing-masing kelompok wilayah menggunakan pendekatan data mining. Metode yang digunakan adalah K-Means Clustering berbasis unsupervised learning terhadap data sekunder Open Data Jabar periode 2017–2024, dengan enam variabel utama yaitu ekonomi, KDRT, kawin paksa, zina, madat, dan cacat badan. Penentuan jumlah klaster dilakukan menggunakan Elbow Method, evaluasi model menggunakan Silhouette Coefficient, serta visualisasi pola dilakukan melalui Principal Component Analysis (PCA). Hasil penelitian menunjukkan terbentuknya tiga klaster dengan nilai Silhouette sebesar 0,61 yang mengindikasikan kualitas pemisahan klaster yang baik. Cluster pertama didominasi faktor ekonomi, cluster kedua menonjol pada faktor zina dan madat, sedangkan cluster ketiga menunjukkan kombinasi tekanan ekonomi, KDRT, dan kawin paksa. Temuan ini menegaskan bahwa perceraian di Jawa Barat dipengaruhi oleh pola determinan yang berbeda antarwilayah. Penelitian ini menyimpulkan bahwa pendekatan K-Means efektif dalam mengidentifikasi struktur laten faktor perceraian dan merekomendasikan kebijakan pencegahan yang disesuaikan dengan karakteristik klaster serta pengayaan variabel dan metode pada penelitian selanjutnya