Claim Missing Document
Check
Articles

Found 42 Documents
Search
Journal : BIMASTER

PENGELOMPOKAN DAERAH DI KALIMANTAN BARAT BERDASARKAN TINGKAT PENGANGGURAN MENGGUNAKAN ALGORITMA K-MEDOIDS DENGAN METODE ELBOW Firnanda, Firnanda; Perdana, Hendra; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 15, No 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v15i1.105754

Abstract

Tingkat pengangguran merupakan indikator penting untuk menggambarkan kondisi ekonomi suatu wilayah. Perbedaan potensi ekonomi dan kualitas sumber daya manusia antar kabupaten/kota di Provinsi Kalimantan Barat menyebabkan variasi tingkat pengangguran yang cukup signifikan. Penelitian ini bertujuan mengelompokkan kabupaten/kota di Provinsi Kalimantan Barat berdasarkan karakteristik ketenagakerjaan yang berkaitan dengan pengangguran menggunakan algoritma K-Medoids. Penentuan jumlah klaster dilakukan dengan metode Elbow berdasarkan penurunan total jarak dalam klaster (within-cluster distance) menggunakan jarak Manhattan. Penelitian memanfaatkan data sekunder tahun 2024 dari Badan Pusat Statistik (BPS) yang terdiri atas lima variabel, yaitu Produk Domestik Regional Bruto (PDRB), Persentase Penduduk Miskin (PPM), Tingkat Partisipasi Angkatan Kerja (TPAK), Tingkat Pengangguran Terbuka (TPT), dan Rata-rata Lama Sekolah (RLS). Jarak Manhattan digunakan karena lebih tahan terhadap outlier, terutama pada variabel RLS. Hasil penelitian menunjukkan bahwa jumlah klaster optimal yang terbentuk adalah tiga klaster dengan nilai Sum of Squares Error (SSE) sebesar 128,03. Klaster 1 terdiri atas Sambas, Mempawah, dan Sanggau, yang ditandai oleh RLS yang relatif perlu ditingkatkan. Klaster 2 terdiri atas Bengkayang, Landak, Sintang, Kapuas Hulu, Sekadau, Melawi, dan Kayong Utara, dengan karakteristik PDRB yang lebih rendah dan PPM yang lebih tinggi. Klaster 3 terdiri atas Ketapang, Kubu Raya, Kota Pontianak, dan Kota Singkawang, yang ditandai oleh TPAK yang lebih rendah dan TPT yang lebih tinggi. Hasil pengelompokan ini diharapkan dapat menjadi dasar dalam perumusan kebijakan ketenagakerjaan dan pembangunan wilayah yang lebih tepat sasaran sesuai kondisi sosial ekonomi masing-masing klaster.
ANALISIS KEMISKINAN DI PULAU KALIMANTAN MENGGUNAKAN METODE REGRESI SPASIAL DENGAN MATRIKS PEMBOBOT INVERSE DISTANCE WEIGHTING Mulia Tsani, Dien Permata; Martha, Shantika; Imro’ah, Nurfitri
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 15, No 1 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v15i1.105756

Abstract

Kemiskinan merupakan permasalahan kompleks yang tidak hanya dipengaruhi oleh karakteristik internal suatu wilayah, tetapi juga oleh kondisi wilayah di sekitarnya. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang berpengaruh terhadap tingkat kemiskinan di Pulau Kalimantan menggunakan pendekatan spasial. Pendekatan Inverse Distance Weighting (IDW) digunakan dalam membangun matriks pembobot spasial, dengan asumsi bahwa wilayah yang saling berdekatan memiliki hubungan yang lebih kuat dibandingkan wilayah yang berjauhan. Analisis diawali dengan regresi linear berganda serta pengujian asumsi klasik. Selanjutnya dilakukan perhitungan matriks pembobot IDW, dan pengujian autokorelasi spasial menggunakan indeks moran. Hasil pengujian menunjukkan adanya autokorelasi spasial yang signifikan, sehingga regresi linear berganda kurang sesuai digunakan, untuk menentukan model spasial yang sesuai, digunakan uji Lagrange Multiplier. Berdasarkan hasil pemilihan model, Spatial Autoregressive Model terpilih sebagai model terbaik karena mampu menangkap dependensi spasial antarwilayah secara lebih akurat. Hasil estimasi menunjukkan bahwa umur harapan hidup serta persentase rumah tangga yang memiliki akses terhadap air minum layak berpengaruh negatif terhadap tingkat kemiskinan. Sebaliknya, pengeluaran pangan dan penduduk usia 15 tahun ke atas yang bekerja di sektor pertanian, kehutanan, dan perikanan tidak menunjukkan pengaruh signifikan dalam model. Nilai Akaike Information Criterion (AIC) sebesar 231,71 serta likelihood ratio test sebesar 0,036 memperkuat bahwa model spasial lebih baik dibandingkan regresi linear berganda. Temuan ini menunjukkan bahwa kemiskinan di Pulau Kalimantan saling terkait antarwilayah.
Co-Authors , Syahru Rahmayuda, Haris Febriyanto Ramadhan , Sampe Hotlan Sitorus Adinda, Dian Tri Agustono, Hendri Al Azizi, Fudhail Azzam Thoriqi Amarrullah, Rido Andani, Wirda Anggria, Vini Anjelika, Seselia Apriliyanti, Rita Aprizkiyandari, Siti Arsanti, Resti Asmara, Mira AYU ASTUTI, AYU Ayuni, Anisa Putri Bartolomius, Bartolomius Cahyani, Cristy Framedia Calissta, Leanna Belva Clarenda Siboro, Viren Marcellya Cornellia, Amanda Dadan Kusnandar Deanovela, Adelea Delvi Debataraja, Naomi Nessyana Dwi Marisa Midyanti Dyaherawati, Oktavia Ersawahyuni, Aisna Evy Sulistianingsih Fallah, Khalishah Ghina Fiqriah, Isnaini Firnanda, Firnanda Gunawan, Risky Hamdari, Ela Hariadi, Wahyudio Shaney Fikri Hendra Perdana hidayatullah, Hidayatullah hidayatullah Huda, Nur’ainul Miftahul Idilla, Leona Ilhamsyah Imro'ah, Nurfitri IMRO’AH, NURFITRI Imro’ah, Nurfitri Indriani, Maria Meilinda Istighfarani, Ridha Maharani, Cinta Priscillia Mori, Stepanus Armadi Muhtadi, Radhi Mulia Tsani, Dien Permata Neva Satyahadewi Novi Safitri Nurhaliza, Sy. Farini Oktitannia, Dea Pebriyandi, Rifki Pramesti, Surya Adinda Fitria Prianti, Sabrina Eka Purwanty, Purwanty Puspita, Risma Radinasari, Nur Ismi Rahmadanti, Putri Rahmawati, Fenti Nurdiana Rezaldi, Muhammad Fachri Riovani, Vriska Dwi Rivaldi, Syahrul Rizki, Setyo Wira Robbiati, Dian Sadikin, Utin Azwa Sayhani Salsabila, Salsabila Salsabila, Yumna Hanum Sindia, Eri Tamtama, Ray Umiati, Wiji Vebriyanti, Lo Mei Ly Wuri, Hastri Sastia Yogi, Vinsensius Yudhi Yundari, Yundari Zaria, Della