PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN DATA PENGANGGURAN MENGGUNAKAN AGGLOMERATIVE HIERARCHICAL CLUSTERING AVERAGE LINKAGE ALGORITHM

ROMY YUNIKA PUTRA, RAHMAT KURNIA, ALFI SYUKRIA

Abstract


Tujuan penelitian ini adalah untuk mengelompokan Provinsi di Indonesia berdasarkan tingkat pengangguran terbuka. Penelitian ini menggunakan Agglomerative Hirarchical Clustering Average Linkage Algorithm. Data yang digunakan adalah data sekunder yang bersumber dari Badan Pusat Statistik dengan objek penelitian adalah 34 provinsi yang ada di Indonesia. Pengelompokan tingkat pengangguran terbuka pada penelitian ini ditetapkan sebanyak 3 kelompok yaitu rendah, sedang dan tinggi. Provinsi dengan tingkat pengangguran terbuka kelompok rendah adalah Riau, Jambi, Sumatera Selatan, Bengkulu, Lampung, Kepulauan Bangka Belitung, DI Yogyakarta, Jawa Timur, Bali, Nusa Tenggara Barat, Nusa Tenggara Timur, Kalimantan Barat, Kalimantan Tengah, Kalimantan Selatan, Kalimantan Utara, Sulawesi Tengah, Sulawesi Selatan, Sulawesi Tenggara, Gorontalo, Sulawesi Barat, Maluku Utara, dan Papua. Provinsi dengan tingkat pengangguran terbuka kelompok sedang adalah Aceh, Sumatera Utara, Sumatera Barat, Jawa Tengah, Kalimantan Timur, Sulawesi Utara, Maluku, dan Papua Barat. Provinsi dengan tingkat pengangguran terbuka kelompok tinggi adalah Kepulauan Riau, DKI Jakarta, Jawa Barat, dan Banten.

Keywords


pengelompokan, pengangguran, agglomerative, hierarchical clustering, average linkage

References


Awalluddin, A. S., & Taufik, I. (2017, November). Analisis Cluster Data Longitudinal pada Pengelompokan Daerah Berdasarkan Indikator IPM di Jawa Barat. In Prosiding Seminar Nasional Metode Kuantitatif (No. 1).

BPS. (2022). Keadaan Angkatan Kerja di Indonesia Februari 2022. Jakarta: BPS RI.

____. (2022). Booklet Sakernas Februari 2022. Jakarta: BPS RI.

Cui, X., Luo, Q., Zhou, Y., Deng, W., & Yin, S. (2022). Quantum-Inspired Moth-Flame Optimizer With Enhanced Local Search Strategy for Cluster Analysis. Frontiers in Bioengineering and Biotechnology, 10. https://doi.org/10.3389/fbioe.2022.908356

Ediyanto, M. N. M., & Satyahadewi, N. (2013). Pengklasifikasian Karakteristik Dengan Metode K-Means Cluster Analysis. Bimaster: Buletin Ilmiah Matematika, Statistika dan Terapannya, 2(02). http://dx.doi.org/10.26418/bbimst.v2i02.3033

Jain, A. K. (2010). Data clustering: 50 years beyond K-means. Pattern recognition letters, 31(8), 651-666. http://dx.doi.org/10.1016/j.patrec.2009.09.011

Johnson, R.A. And Wichern, D. (2007). Applied Multivariate Statistical Analysis. USA : Pearson Education,Inc.

Laraswati, T. F. (2014). Perbandingan Kinerja Metode Complete Linkage, Metode Average Linkage, dan Metode K-Means dalam Menentukan Hasil Analisis Cluster. Yogyakarta: Universitas Negeri Yogyakarta.

Liu, W., Zou, P., Jiang, D., Quan, X., & Dai, H. (2022). Zoning of reservoir water temperature field based on K-means clustering algorithm. Journal of Hydrology: Regional Studies, 44, 101239. https://doi.org/10.1016/j.ejrh.2022.101239

Mifrahi, M. N., & Darmawan, A. S. (2022). Analisis tingkat pengangguran terbuka di Indonesia periode sebelum dan saat pandemi covid-19. Jurnal Kebijakan Ekonomi dan Keuangan, 111-118. https://doi.org/10.20885/JKEK.vol1.iss1.art11

Ningsih, S., Wahyuningsih, S., & Nasution, Y. N. (2016, July). Perbandingan Kinerja Metode Complete Linkage dan Average Linkage dalam Menentukan Hasil Analisis Cluster. In Prosiding Seminar Sains dan Teknologi FMIPA Unmul (Vol. 1, No. 1).

Ningtias, I. P., & Rahayu, S. P. (2017). Pemodelan Faktor-faktor yang Mempengaruhi Tingkat Pengangguran Terbuka di Provinsi Jawa Timur Tahun 2015 Menggunakan Regresi Spasial. Jurnal Sains dan Seni ITS, 6(2), D212-D218. http://dx.doi.org/10.12962/j23373520.v6i2.24984

Pratiwi, H., Prawastyorini, A. N., & Sugiyanto, S. (2019). Analisis data panel pada tingkat pengangguran terbuka kabupaten/kota di Pulau Jawa. Jurnal Matematika, Statistika dan Komputasi, 16(1), 51-57. https://doi.org/10.20956/jmsk.v16i1.6713

Putra, R.Y. (2017). Pemodelan Tingkat Pengangguran Terdidik di Indonesia Menggunakan Pendekatan Regresi Nonparametrik Spline. Skripsi. Departemen Statistika FMIPA Institut Teknologi Sepuluh Nopember. Surabaya.

Putri, A., Azzahra, A., Andiany, D. D., Abdurohman, D., Sinaga, P. P., & Yuhan, R. J. (2021). Perbandingan Faktor-Faktor yang Memengaruhi Tingkat Pengangguran Terbuka di Indonesia Sebelum dan Saat Pandemi Covid-19. Jurnal Kajian Ekonomi dan Pembangunan, 3(2), 25-46. http://dx.doi.org/10.24036/jkep.v3i2.13605

Syukria, A., Putra, R. Y., Larasati, M., Putri, T. M., & Fadhlan, A. Klasterisasi Perusahaan yang Tergabung dalam Jakarta Islamic Index 70 Berdasarkan Rasio Profitabilitas Menggunakan K-Means Clustering. Jurnal Manajemen dan Kewirausahaan, 13(1), 1-6.

Talakua, M. W., Leleury, Z. A., & Taluta, A. W. (2017). Analisis cluster dengan menggunakan metode k-means untuk pengelompokkan Kabupaten/Kota di provinsi maluku berdasarkan indikator indeks pembangunan manusia tahun 2014. BAREKENG: Jurnal Ilmu Matematika dan Terapan, 11(2), 119-128.

Utma, S. S., Waridin, W., & Agunggunanto, E. Y. (2020). Faktor-Faktor yang Mempengaruhi Pengangguran Terbuka (Studi Kasus di 29 Kabupaten Provinsi Jawa Tengah Tahun 2013-2017) (Doctoral dissertation, UNDIP: Fakultas Ekonomika dan Bisnis).

Velmurugan, T. (2014). Performance based analysis between k-Means and Fuzzy C-Means clustering algorithms for connection oriented telecommunication data. Applied Soft Computing, 19, 134-146. https://doi.org/10.1016/j.asoc.2014.02.011

Xian, Z., Keikhosrokiani, P., XinYing, C., & Li, Z. (2022). An RFM Model Using K-Means Clustering to Improve Customer Segmentation and Product Recommendation. In P. Keikhosrokiani (Ed.), Handbook of Research on Consumer Behavior Change and Data Analytics in the Socio-Digital Era (pp. 124-145). IGI Global. https://doi.org/10.4018/978-1-6684-4168-8.ch006




DOI: http://dx.doi.org/10.15548/maqdis.v7i2.242

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

   

View My Stats