Hierarchical Clustering Analysis dalam Pengelompokan Tingkat Pengangguran di Sulawesi Selatan

Akramunnisa Akramunnisa, Fajriani Fajriani

Abstract


Penelitian ini bertujuan untuk mengetahui persebaran perbedaan tingkat pengangguran dari kabupaten/kota yang ada di Sulawesi Selatan. Indikator pengangguran yang digunakan untuk analisis pengelompokkan adalah PDRB dan IPM kabupaten/kota di Sulawesi Selatan pada tahun 2014. Teknik pengelompokkan kategori dalam pemetaan yang digunakan untuk mengetahui persebaran tingkat pengangguran adalah unsupervised learning, yaitu clustering analysis. Metode yang digunakan adalah hierarchical clustering analysis dengan algoritma ward’s linkage. Hasil yang diperoleh adalah, terdapat dua persebaran tingkat pengangguran, yaitu cluster 1 terdiri dari 15 kabupaten/kota dan cluster 2 terdiri dari 9 kabupaten/kota. Cluster 1 merupakan kelompok dengan tingkat pengangguran tinggi berdasaerkan IPM dan PDRB, yaitu kabupaten Kep. Selayar, Gowa, Sinjai, Maros, Barru, Soppeng, Sidrap. Pinrang, Enrekang, Tana Toraja, Luwu Timur, Toraja Utara, Kota Makassar, Parepare, dan Palopo. Sedangkan untuk kabupaten Bulukumba, Bantaeng, Jeneponto, Takalar, Pangkep, Bone, Wajo, Luwu, dan Luwu Utara termasuk pada tingkat pengangguran rendah berdasarkan PDRB dan IPM.

Full Text:

Untitled

References


A. Hasanuddin and Ilyas, “Sistem Informasi Giografis Pemetaan Madrasah Kabupaten Indragiri Hilir,” J. Sist., vol. 6, no. 1, pp. 20–24, 2017.

M. A. Husaini and W. D. P, “Sistem informasi geografis (sig) pemetaan sekolah berbasis web di kecamatan wonodadi kabupaten blitar,” J. Antivirus, vol. 11, no. 1, pp. 50–64, 2017.

A. Supriyanto, E. Winarno, and A. P. Utomo, “SIM Kemiskinan Sebagai Dasar Informasi Geografis Untuk Pemetaan Prioritas Pengentasan Kemiskinan di Kabupaten Banjarnegara,” IJCCS, vol. 5, no. 3, pp. 45–51, 2011.

I. Itang, “FAKTOR FAKTOR PENYEBAB KEMISKINAN,” Tazkiya, J. Keislaman, kemasyarakatan Kebud., vol. 16, no. 01, Jan. 2017.

Badan Pusat Statistik Provinsi Sulawesi Selatan, “Keadaan Ketenagakerjaan Sulawesi Selatan Agustus 2017,” Makassar, 2017.

Badan Pusat Statistik, “Keadaan Ketenagakerjaan Indonesia Agustus 2019,” Jakarta, 2019.

L. Ferreira and D. B. Hitchcock, “A Comparison of Hierarchical Methods for Clustering Functional Data,” Commun. Stat. - Simul. Comput., vol. 38, no. 9, pp. 1925–1949, Oct. 2009.

M. Goldstein and S. Uchida, “A Comparative Evaluation of Unsupervised Anomaly Detection Algorithms for Multivariate Data,” pp. 1–31, 2016.

F. L. Sibuea and A. Sapta, “Pemetaan Siswa Berprestasi Menggunakan Metode K-Means Clustering,” JURTEKSI, J. Teknol. dan Sist. Inf., vol. IV, no. 1, pp. 85–92, 2017.

M. N. V. Waworuntu and M. F. Amin, “Penerapan metode k-means pemetaan calon penerima JAMKESDA,” KLIK, Kumpul. J. Ilmu Komput., vol. 05, no. 02, pp. 190–200, 2018.

B. Poerwanto and R. Y. Fa’rifah, “Algoritma K-Means dalam mengelompokkan Kecamatan di Tana Luwu berdasarkan hasil Droduktifitas Hasil Pertanian,” vol. 9, no. 1, pp. 46–51, 2019.


Refbacks

  • There are currently no refbacks.