Implementasi Model K-Means Clustering Untuk Pengelompokan Berdasarkan Indikator Sosial Ekonomi Dalam Analisis Tingkat Pengangguran Di Provinsi Jawa Barat

Pengangguran masih menjadi masalah utama di Jawa Barat dengan tingkat 6,75% pada 2024, lebih tinggi dari rata-rata nasional 4,91%. Ketimpangan sosial ekonomi antar wilayah membuat distribusi pengangguran tidak merata. Penelitian ini bertujuan menganalisis dan mengelompokkan wilayah di Jawa Barat berdasarkan indikator sosial ekonomi menggunakan algoritma K-Means Clustering. Data sekunder berasal dari BPS dan Open Data Jabar periode 2024–2025 dengan indikator pendidikan, kepadatan penduduk, peluang kerja, peluang usaha, TPAK, dan UMK. Analisis mengikuti tahapan CRISP-DM dengan jumlah klaster optimal sebanyak tiga yang ditentukan melalui metode Elbow dan Silhouette Score. Hasil penelitian menunjukkan tiga klaster utama. Klaster pertama terdiri dari 6 kabupaten/kota dengan rata-rata pengangguran 7,71%. Kawasan ini memiliki peluang usaha dan industri yang sangat tinggi, namun tingkat penganggurannya juga paling tinggi. Klaster kedua terdiri dari 6 kota dengan rata-rata pengangguran 7,48%. Wilayah ini memiliki tingkat pendidikan yang tinggi, UMK besar, dan sektor industri cukup berkembang, tetapi tetap menghadapi pengangguran tinggi akibat ketidakselarasan keterampilan dengan kebutuhan kerja. Klaster ketiga terdiri dari 15 kabupaten/kota dengan rata-rata pengangguran 5,67%. Wilayah ini mayoritas rural atau semi-urban dengan pendidikan menengah ke bawah, UMK rendah, serta sektor industri yang sedang, namun justru memiliki tingkat pengangguran terendah.
Kata Kunci : Pengangguran, K-Means, Clustering, Sosial, Ekonomi, Jawa Barat, CRISP-DM, Wilayah