Niken Ayu
Universitas Royal

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Cluster Analysis of Open Unemployment Rates Across Indonesian Provinces Using the K-Means Algorithm Egi Dio Bagus Sudewo; Fadila Khairani; Irawati; Niken Ayu; Andri Syahfikri
Journal of Artificial Intelligence and Legal Technology Vol. 2 No. 2 (2026): August 2026
Publisher : Sah Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengangguran tetap menjadi tantangan yang terus-menerus dalam pembangunan ekonomi regional Indonesia, yang tercermin dalam variasi Tingkat Pengangguran Terbuka (Open Unemployment Rate/OUR) di berbagai provinsi. Studi ini bertujuan untuk mengidentifikasi dan mengklasifikasikan pola pengangguran regional menggunakan pendekatan pengelompokan berbasis data. Desain kuantitatif dengan kerangka kerja pembelajaran tanpa pengawasan (unsupervised learning) digunakan, memanfaatkan data sekunder tentang Tingkat Pengangguran Terbuka provinsi untuk tahun 2025 yang diperoleh dari Badan Pusat Statistik (BPS). Algoritma pengelompokan K-Means diterapkan setelah pra-pemrosesan dan normalisasi data, sedangkan jumlah cluster optimal ditentukan menggunakan Metode Elbow. Hasil menunjukkan bahwa tiga cluster mewakili struktur pengelompokan yang paling tepat, mengkategorikan provinsi ke dalam cluster pengangguran rendah (3,03%), sedang (4,41%), dan tinggi (6,32%). Temuan ini mengungkapkan heterogenitas regional yang signifikan dalam kondisi pasar tenaga kerja dan menunjukkan bahwa kesenjangan pengangguran secara struktural berbeda di berbagai provinsi. Studi ini menegaskan efektivitas K-Means dalam mengungkap pola regional laten tanpa bergantung pada asumsi kausal dan memberikan landasan empiris untuk mengembangkan kebijakan ketenagakerjaan yang tepat sasaran dan peka terhadap wilayah di Indonesia.