MARKOV CHAIN K-MEANS CLUSTER MODEL DALAM DINAMIKA TRANSISI TINGKAT KEMISKINAN BERDASARKAN INDEKS KEDALAMAN DAN KEPARAHAN KEMISKINAN DI PROVINSI SUMATERA UTARA

Abstract

Kemiskinan merupakan masalah multidimensi yang kompleks dan memerlukan pendekatan analitis untuk memahami dinamikanya.Penelitian ini bertujuan untuk menganalisis dinamika transisi tingkat kemiskinan di Provinsi Sumatera Utara yang diukur berdasarkan Indeks Kedalaman Kemiskinan (Poverty Gap Index-P₁) dan Indeks Keparahan Kemiskinan (Poverty Severity Index-P₂) menggunakan Markov Chain K-Means Cluster Model. Data yang digunakan adalah data sekunder dari Badan Pusat Statistik Sumatera Utara tahun 2023-2024. Penelitian ini diuraikan ke dalam dua bagian utama yakni K-Means Clustering untuk segmentasi kabupaten/kota berdasarkan tingkat kemiskinan, dan analisis Markov Chain untuk memodelkan transisi antar cluster kemiskinan. Hasil klasterisasi menunjukkan bahwa data terbagi menjadi tiga cluster optimal: Cluster 1 dengan centroid (0,02251, 0,00561) pada tahun 2023 dan (0,01885, 0,0037) pada tahun 2024, Cluster 2 dengan centroid (0,01384, 0,003263) pada tahun 2023 dan (0,01225, 0,00275) pada tahun 2024, dan Cluster 3 dengan centroid (0,00833, 0,001593) pada tahun 2023 dan (0,007778, 0,001328) pada tahun 2024. Analisis Markov Chain menghasilkan matriks peluang transisi yang memenuhi sifat ergodic (irreducible, aperiodic dan positive recurrent) dengan kondisi steady state dicapai pada periode ke-18 dimana dalam model ini ditemukan bahwa pada tahun 2041, Provinsi Sumatera Utara diproyeksikan sepenuhnya terbebas dari cluster kemiskinan tinggi (ekstrem) dengan probabilitas sebesar 76,69%.