PENERAPAN METODE ENSEMBLE CLUSTERING PADA PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TIMUR BERDASARKAN INDIKATOR PEMBANGUNAN EKONOMI

Syifa Nafi'ah Priansyah, Universitas Negeri Yogyakarta, Indonesia
Dhoriva Urwatul Wutsqa, Universitas Negeri Yogyakarta, Indonesia

Abstract


Pembangunan Ekonomi Regional merupakan pembangunan dimana pemerintah daerah dan warga negara bekerja sama untuk mengelola sumber daya yang ada. Pembangunan ekonomi pada Provinsi Jawa Timur mengalami ketimpangan yang terus berlanjut dikarenakan kesenjangan yang lebar antara kabupaten dan kota tertinggi dan terendah dalam hal PDRB per kapita. Berdasarkan fakta-fakta ini, pertumbuhan ekonomi di Provinsi Jawa Timur harus didistribusikan secara merata. Tujuan dari penelitian ini adalah menggunakan pendekatan Ensemble clustering untuk mengkategorikan dan mengidentifikasi fitur kabupaten dan kota Provinsi Jawa Timur menurut indikator pembangunan ekonomi. Penelitian ini memanfaatkan data sekunder yang dikumpulkan oleh Badan Pusat Statistik. Ada total tiga belas variabel yang terdiri dari sembilan numerik dan tiga kategori. Dimana pendekatan K-Means digunakan untuk data numerik dan metode K-modes untuk data kategorikal. Analisis yang dilakukan oleh pendekatan Ensemble clustering memanfaatkan hasil dari kedua metode tersebut. Penelitian ini menggunakan penggunaan Davies Bouldin Index (DBI) dan Pseudo F-Statistics untuk tujuan validasi. Hasil penelitian pengelompokan menggunakan metode Ensemble clustering didapatkan sebanyak 3 cluster dimana dilakukan pemeringkatan berdasarkan tingkatan. Dimana tingkat 3 memiliki 12 objek dengan tingkat pembangunan ekonomi tergolong rendah atau tingkat 3, dikarenakan memiliki nilai PDRB terendah dan angka kemiskinan yang tinggi. Sedangkan pada tingkat 1 terdapat 14 objek yang tergolong kedalam tingkat pembangunan ekonomi maju dimana pada cluster ini memiliki nilai PDRB tertinggi dan angka kemiskinan terendah. Selanjutnya tingkat yang terakhir yaitu tingkat 2 yang memiliki 12 objek dimana tingkat pembangunan ekonomi pada cluster ini tergolong menengah.

Keywords


Pembangunan Ekonomi; Ensemble Clustering; Davies Bouldin Index; Pseudo F-Statistics

References


Alith, M. F. (2015). Klasterisasi proses seleksi pemain menggunakan algoritma k-means (study kasus: tim hockey Kabupaten Kendal). Skripsi: Universitas Dian Nuswantoto.

Alqurashi, T., & Wang, W. (2019). Metode ansambel pengelompokan. Jurnal Internasional Pembelajaran Mesin dan Sibernetika, 1227-1246.

Arsyad, L. (2010). Ekonomi pembangunan (5th ed). Yogyakarta: BP STIE YKP.

Badan Pusat Statistik Provinsi Jawa Timur. (2019). Tingkat Partisipasi Angkatan Kerja (TPAK) (Persen), 2016-2018. Retrieved Mei 11, 2023, from BPS Provinsi Jawa Timut: https://jatim.bps.go.id/indicator/6/277/1/tingkat-partisipasi-angkatan-kerja-tpak-.html

Badan Pusat Statistik Provinsi Jawa Timur. (2020). Tingkat Pengangguran Terbuka (TPT) Provinsi Jawa Timur (Persen), 2017-2019. Retrieved Mei 11, 2023, from BPS Provinsi Jawa Timur: https://jatim.bps.go.id/indicator/6/54/2/tingkat-pengangguran-terbuka-tpt-provinsi-jawa-timur.html

Badan Pusat Statistik Provinsi Jawa Timur. (2022). Provinsi Jawa Timur dalam angka 2022. Surabaya: Badan Pusat Statistik.

Huda, M., & Santoso, E. B. (2014). Pengembangan daya saing daerah kabupaten'kota di Propinsi Jawa Timur berdasarkan potensi daerahya. Jurnal Teknik Pomits, 81-86.

Muhima, R. R., Kurniawan, M., Wardhana, S. R., Yudhana, A., Sunardi, Rahmawati, W. M., et al. (2022). Kupas tuntas algoritma clustering: konsep, perhitungan manual, dan program. Yogyakarta: ANDI.

Pemerintah Daerah. (2015). Undang-undang (UU) Nomor 9 Tahun 2015 tentang Perubahan Kedua Atas Undang-Undang Nomor 23 Tahun 2014 tentang Pemerintahan Daerah. Jakarta: LN.2015/NO.58, TLN NO.5679, LL SETNEG.

Suhaeni, C., Kurnia, A., & Ristiyanti. (2018). Perbandingan hasil pengelompokan menggunakan analisis cluster berhirarki, k-means cluster, dan cluster ensemble (studi kasus data indikator pelayanan kesehatan ibu hamil). Jurnal Media Infotama, 31-38.

Tayal, D. K., Jain, A., Arora, S., Agarwal, S., Gupta, T., & Tyagi, N. (2015). Crime detection and criminal identification in India using data mining techniques. AI & Soc, 117-127.

Todaro, M. P., & Smith, S. C. (2011). Pembangunan ekonomi (9th ed). Jakarta: Erlangga.

Venables, W. N., & Ripley, B. D. (2002). Modern applied statistics with S (4th ed). New York: Springer.

Walesiak, M., & Dudek, A. (2020). The choice of variable normalization method in cluster analysis. Education Excellence and innovation management: a 2025 vision to sustain economic development during global challenges (pp. 325-340). Seville, Spain: International Business Information Management Association (IBIMA).

Weihs, C., Ligges, U., Luebke, K., & Raabe, N. (2005). klaR analyzing German business cycles. In D. Baier, R. Decker, & L. Schmidt-Thieme, Data analysis and decision support (pp. 335-343). Berlin: Springer-Verlag.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Jurnal Statistika dan Sains Data

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

Our journal is indexed by:

Online ISSN (e-ISSN): 3025-9649

Creative Commons LicenseJurnal Statistika dan Sains Data by http://journal.student.uny.ac.id/ojs/index.php/jssd is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 JSSD Statistics