Analisis Klaster dan Prediksi Indikator Ekonomi Makro Indonesia Menggunakan Algoritma K-Means dan Model Regresi

Abstract

Penelitian ini bertujuan untuk menganalisis pola dan memprediksi perkembangan indikator ekonomi makro Indonesia dengan pendekatan penambangan data. Dua metode, yaitu algoritma K-Means Clustering untuk pengelompokan data dan Regresi Linier, memprediksi tren masa depan. Data yang dianalisis meliputi neraca perdagangan Indonesia (ekspor dan impor), penerimaan negara (perpajakan dan PNBP), peran jenis penggunaan Produk Domestik Bruto (PDB), data Anggaran Pendapatan dan Belanja Daerah (APBD) per kabupaten/kota di Provinsi Daerah Istimewa Yogyakarta, serta tren ekspor industri nonmigas. Hasil klasterisasi menunjukkan segmentasi waktu atau wilayah dengan karakteristik ekonomi yang berbeda, seperti kelompok tahun dengan surplus atau defisit neraca perdagangan. Model regresi menunjukkan tren kenaikan yang konsisten pada sektor-sektor tertentu, seperti konsumsi rumah tangga dan penerimaan pajak. Evaluasi dilakukan dengan menggunakan metrik inersia, skor siluet, dan Indeks Davies-Bouldin, yang menunjukkan kualitas klaster yang baik. Temuan ini diharapkan dapat menjadi dasar bagi perencanaan kebijakan fiskal dan strategi pembangunan ekonomi yang terarah, terutama pada sektor-sektor yang berkontribusi signifikan terhadap pertumbuhan nasional dan daerah.