Cluster Analysis Of Covid-19 Impact On Poverty In Indonesia Using Self-Organizing Map Algorithm

Abstrak

Peningkatan angka kemiskinan akibat pandemi COVID-19 membutuhkan perhatian segera dari pengambil kebijakan. Setiap provinsi di Indonesia memiliki karakteristik kemiskinan yang berbeda, sehingga penanggulangan setiap provinsi terhadap dampak COVID-19 terhadap kemiskinan pun berbeda. Oleh karena itu, analisis klaster provinsi berdasarkan kesamaan karakteristik kemiskinan diperlukan untuk mengidentifikasi provinsi yang memerlukan perhatian lebih. Tujuan dari penelitian ini adalah untuk mengelompokkan provinsi-provinsi di Indonesia menurut kesamaannya dalam hal dampak kemiskinan sebelum dan selama COVID-19. Dampak kemiskinan sebelum dan selama COVID-19 diukur dengan membandingkan data tahun 2021 (selama COVID-19) dengan data tahun 2019 (sebelum COVID-19). Penelitian ini menemukan bahwa COVID-19 memiliki dampak signifikan terhadap kemiskinan. Metode Hybrid SOM-Kmeans dengan tiga cluster merupakan metode yang paling optimal karena menghasilkan Davies-Bouldin Index terkecil. Pembagian tiga klaster berdasarkan dampak COVID-19 terhadap kemiskinan yaitu tinggi, sedang, dan rendah. Klaster 1 merupakan provinsi yang terkena dampak paling tinggi karena sektor utama pendapatan provinsi adalah pariwisata. Akibat lesunya pariwisata, daya beli masyarakat berkurang, sehingga meningkatkan kemiskinan. Klaster 3 yaitu Papua yang terdampak rendah karena karakteristik sektor utamanya di sektor pertambangan.