Perbandingan Algoritma Partitioning dan Hierarchical Clustering untuk Pengelompokan Wilayah Menurut Karakteristik Pengangguran di Pulau Jawa Tahun 2021
Abstract
Pengangguran merupakan masalah yang kompleks karena dipengaruhi sekaligus memengaruhi berbagai sektor kehidupan. Tingkat Pengangguran Terbuka (TPT) di Indonesia pada tahun 2021 berada pada angka 6,49 persen di mana Pulau Jawa merupakan pulau dengan TPT tertinggi dibandingkan pulau lainnya dengan jumlah pengangguran sebanyak 5.948.406 jiwa atau sebanyak 65,35 persen dari total jumlah pengangguran di seluruh Indonesia berada di Pulau Jawa. Oleh karena itu, penting untuk mengelompokkan daerah-daerah di Pulau Jawa berdasarkan karakteristik pengangguran sehingga pemerintah dapat dengan tepat merumuskan kebijakan untuk menekan angka pengangguran. Data yang digunakan meliputi 7 variabel terkait pengangguran pada 119 kabupaten/kota di Pulau Jawa tahun 2021. Penelitian ini menggunakan dua metode clustering, yaitu partitioning dan hierarki untuk mengelompokkan kabupaten/kota di Pulau Jawa berdasarkan karakteristik pengangguran. Metode partitioning yang dipilih adalah K-Means. Penentuan jumlah cluster menggunakan validasi internal dan validasi stabilitas menunjukkan bahwa metode hierarki dengan jumlah cluster 2 merupakan cluster yang paling optimal di mana metode Ward mampu memberikan hasil pengelompokan terbaik berdasarkan nilai agglomerative coefficient.
Kata kunci: Pengangguran, Cluster, Partitioning, HierarkiFull Text:
PDFReferences
BPS, Hasil Sensus Penduduk 2020, Jakarta: BPS, 2021.
Dirjen Kependudukan dan Pencatatan Sipil. (2022, Feb 24). 273 Juta Penduduk Indonesia Terupdate Versi Kemendagri [Online]. Available: https://dukcapil.kemendagri.go.id/berita/baca/1032/273-juta-penduduk-indonesia-terupdate-versi-kemendagri
S. Sukirno, Teori Pengantar Makro Ekonomi Edisi Ketiga, Jakarta: PT. Raja Grafindo Pesada, 2010.
BPS, Booklet Sakernas Agustus 2021, Jakarta: BPS, 2021.
E. Amalia, ”Analisis Spasial untuk Mengidentifikasi Tingkat Pengangguran Terbuka Berdasarkan Kabupaten/Kota di Pulau Jawa Tahun 2017”, Skripsi, Jakarta : Politeknik Statistika STIS, 2018.
E.N. Gunawan, “ Determinan Tingkat Pengangguran Terbuka Menurut Kabupaten/Kota di Pulau Jawa Tahun 2019 menggunakan Regresi Spasial”, Skripsi, Jakarta : Politeknik Statistika STIS, 2021.
W. I. Astuti, “Faktor-Faktor yang Berpengaruh terhadap Tingkat Pengangguran Terbuka di Jawa Timur dengan Pendekatan Regresi Data Panel”, Skripsi, Surabaya: Institut Teknologi Sepuluh November, 2017.
N. Afira and A. W. Wijayanto, “Analisis Cluster Kemiskinan Provinsi di Indonesia Tahun 2019 dengan Metode Partitioning dan Hierarki”, Jurnal Sistem Komputer, vol. 10, no. 2, pp.101-109, 2021.
S. Pramana, et al., Data Mining dengan R: Konsep dan Implementasi, Jakarta: In Media, 2018.
S. Wahyuni and Y. A. Jatmiko, “Pengelompokan Kabupaten/Kota di Pulau Jawa Berdasarkan Faktor-Faktor Kemiskinan dengan Pendekatan Average Linkage Hierarchical Clustering”, Jurnal Aplikasi Statistika & Komputasi Statistik, vol. 10, no. 1, 2018.
R. A. Johnson and D. W. Wichern, Applied Multivariate Statistical Analysis, USA: Pearson Education, Inc , 2007.
S. Machfudhoh and N. Wahyuningsih, “Analisis Cluster Kabupaten/Kota Berdasarkan Pertumbuhan Ekonomi Jawa Timur,” Jurnal Sains dan Pomits, vol. 2, no. 1, pp. 1-7, 2013.
D. Zhang, K. Lee, K., & I. Lee, “Hierarchical trajectory clustering for spatio-temporal periodic pattern mining”. Expert Systems with Applications, no. 92, pp. 1-11, 2018.
A. K. Jain, M. N. Nurty, and P. J. Flynn, “Data Clustering: A Review”, ACM Comput. Surv., vol. 31, no. 3, pp. 264-323, 1999.
N. N. Halim and E. Widodo, “Clustering Dampak Gempa Bumi di Indonesia Menggunakan Kohonen Self Organizing Maps”, in Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami), vol. 1, no. 1, pp. 188-194, 2017.
M. D. Simatupang and A. W. Wijayanto, “Analisis Klaster berdasarkan Tindakan Kriminalitas di Indonesia Tahun 2019”, Jurnal Statistika Industri dan Komputasi, vol. 6, no. 1, pp. 10-19, 2021.
N. Thamrin and A. W. Wijayanto, “Comparison of Soft and Hard Clustering: A Case Study on Welfare Level in Cities on Java Island”, Indonesian Journal of Statistics and Its Applications, vol. 5, no. 1, pp. 141-160, 2021.
A. M. Sikana and A. W. Wijayanto, “Analisis Perbandingan Pengelompokan Indeks Pembangunan Manusia Indonesia Tahun 2019 dengan Metode Partitioning dan Hierarchical Clustering”, Jurnal Ilmu Komputer, vol. 14, no. 2, pp. 66-78, 2021.
A. Azzahra and A. W. Wijayanto, “Perbandingan Agglomerative Hierarchical dan K-Means dalam Pengelompokkan Provinsi Berdasarkan Pelayanan Kesehatan Maternal”, SISTEMASI: Jurnal Sistem Informasi, vol. 11, no. 2, pp. 481-495, 2022.
E. Luthfi and A. W. Wijayanto, “Analisis perbandingan metode hiearchical, k-means, dan k-medoids clustering dalam pengelompokkan indeks pembangunan manusia Indonesia”, INOVASI, vol. 17, no. 4, pp. 761-773, 2021.
A. R. Damayanti and A. W. Wijayanto, “Comparison of Hierarchical and Non-Hierarchical Methods in Clustering Cities in Java Island using the Human Development Index Indicators year 2018. Eigen Mathematics Journal, vol. 4, no. 1, pp. 8-17, 2021.
DOI: http://dx.doi.org/10.20527/klik.v10i3.564
Copyright (c) 2023 KLIK - KUMPULAN JURNAL ILMU KOMPUTER
This work is licensed under a Creative Commons Attribution 4.0 International License.
This work is licensed under a Creative Commons Attribution 4.0 International License. View My Stats