KLASTERISASI DESA MELALUI IDM SEBAGAI FONDASI DASAR PEMBANGUNAN DESA DI KABUPATEN BOGOR

AbstrakPenelitian ini bertujuan untuk memetakan status desa berdasarkan indeks desa membangun (IDM) dan juga berdasarkan kemiripan kondisi desa yang dilihat dari dimensi ekonomi, sosial, dan ekologi yang merupakan indikator dalam penentuan IDM desa. Penelitian ini menggunakan konsep big data dengan teknik data mining K-means Clustering untuk mengelompokkan setiap desa berdasarkan Indeks Desa Membangun yang mereka miliki. Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data yang diperoleh dari Lembaga yang ada di Pemerintah Kabupaten Bogor. Hasil penelitian menghasilkan 6 cluster status desa yaitu cluster 1 dengan kategori desa maju, cluster 2 kategori desa berkembang, cluster 3 kategori desa maju, cluster 4 kategori desa mandiri, cluster 5 kategori desa berkembang, dan cluster 6 kategori desa berkembang. Masing-masing cluster memiliki kondisi ekonomi, sosial, dan ekologi yang berbeda-beda walaupun memiliki kategori desa yang sama. Desa Berkembang pada cluster 2 dan cluster 5 memiliki kondisi jalan yang baik sedangkan cluster 6 memiliki kondisi jalan yang rusak sedang. Desa maju pada cluster 1 memiliki fasilitas hotel dan kantor pos sedangkan desa maju pada cluster 3 tidak memiliki kedua fasilitas tersebut. Berdasarkan kondisi ini maka dapat disimpulkan bahwa setiap desa walaupun berada dalam kategori IDM yang sama namun memiliki permasalahan yang berbeda pada salah satu indeks pembentuk IDM. Kondisi ini perlu menjadi perhatian dalam pengembangan strategi yang tepat sesuai dengan permasalahan yang dialami oleh masing-masing desa sehingga peningkatan kondisi desa berkembang menjadi desa maju dan desa maju menjadi desa mandiri dapat tercapai secara maksimal. Kata Kunci: Cluster, Desa, Indeks Desa Membangun (IDM) Abstract This study aims to map the status of the village based on the developing village index (IDM) and also based on the similarity of village conditions seen from the economic, social, and ecological dimensions which are indicators in determining the village IDM. This study uses the concept of big data with the K-means Clustering data mining technique to group each village based on their village build index. The data used in this study is secondary data, namely data obtained from the Institutions in the Bogor Regency Government. The results of the study divide the village status in 6 clusters, namely cluster 1 and cluster 3 included in developed village category, cluster 2, cluster 5 and cluster 6 included in developing village category, cluster 4 independent village category. Each cluster has different economic, social, and ecological conditions even though it has the same village category. Developing Villages in cluster 2 and cluster 5 have good road conditions while cluster 6 has moderately damaged road conditions. The developed villages in cluster 1 have hotel and post office facilities, while in cluster 3 they do not have these two facilities. Based on this condition, it can be concluded that even though each village is in the same IDM category, it has different problems in one of the IDM-forming indexes. This condition needs to be a concern in developing the right strategy according to the problems experienced by each village so the increase in the village status can be achieved optimally. Keywords: Cluster, Developing Village Index, Villag