Penggunaan K-Means Clustering untuk Segmentasi Tokoh Politik Berdasarkan Potensi Kepemimpinan Di Sumatera Utara

Abstract

Penelitian ini membahas penerapan algoritma K-Means Clustering untuk mengelompokkan tokoh politik di Sumatera Utara berdasarkan potensi kepemimpinan mereka. Permasalahan yang diangkat meliputi kesenjangan pembangunan antarwilayah, kompleksitas evaluasi kandidat, serta keterbatasan metode penilaian tradisional yang cenderung subjektif. Data yang digunakan merupakan data sekunder dari KPUD Sumatera Utara, Kemendagri, dan media sosial, dengan tiga variabel kuantitatif utama: tingkat pendidikan, pengalaman kepemimpinan, dan tingkat elektabilitas. Proses analisis meliputi normalisasi data, penentuan jumlah klaster optimal menggunakan metode elbow, dan penerapan algoritma K-Means untuk menghasilkan pengelompokan tokoh politik. Hasil penelitian menghasilkan beberapa klaster dengan karakteristik berbeda yang dapat memberikan gambaran profil kepemimpinan potensial di Sumatera Utara. Penelitian ini diharapkan dapat menjadi referensi objektif bagi masyarakat dan pemangku kepentingan dalam pengambilan keputusan politik, sekaligus memberikan kontribusi teoretis terhadap penerapan machine learning dalam analisis politik lokal.