IMPLEMENTASI DATA MINING PADA PEMETAAN KEPENDUDUKAN

SYSTEMATIC LITERATURE REVIEW

Abstract

Perkembangan teknologi informasi mendorong pemanfaatan data mining sebagai pendekatan untuk mengolah data kependudukan menjadi informasi yang mendukung pengambilan keputusan publik. Namun, pemetaan kependudukan masih menghadapi permasalahan berupa kompleksitas data, ketidakseimbangan persebaran penduduk, kepadatan wilayah, kemiskinan, serta belum optimalnya pemanfaatan data dalam menentukan prioritas kebijakan. Penelitian ini bertujuan untuk mengidentifikasi metode data mining yang digunakan dalam pemetaan kependudukan, mengetahui algoritma yang paling banyak diterapkan, serta menganalisis kontribusinya dalam mendukung perencanaan kebijakan berbasis data. Penelitian ini menggunakan metode Systematic Literature Review dengan pendekatan PRISMA melalui tahapan identifikasi, penyaringan, kelayakan, dan inklusi terhadap artikel yang diperoleh dari Google Scholar, Garuda, dan Semantic Scholar. Dari proses seleksi, diperoleh 23 artikel yang diterbitkan pada periode 2021-2026. Hasil penelitian menunjukkan bahwa metode klastering merupakan metode yang paling dominan digunakan, dengan algoritma K-Means sebagai algoritma yang paling sering diterapkan. Implementasi data mining terbukti membantu pemetaan wilayah miskin, identifikasi risiko overpopulasi, serta penyediaan informasi kependudukan yang lebih terstruktur bagi perumusan kebijakan publik