Sulistyawati, Yuni
Unknown Affiliation

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Emerging Statistics and Data Science Journal

Implementasi K-Medoids Clustering Dalam Pengelompokan Provinsi Di Indonesia Berdasarkan Kepesertaan Aktif Jaminan Sosial Tenaga Kerja: Implementasi K-Medoids Clustering Dalam Pengelompokan Provinsi Di Indonesia Berdasarkan Kepesertaan Aktif Jaminan Sosial Tenaga Kerja Sulistyawati, Yuni
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art28

Abstract

Berdasarkan data dari Portal Data Ketenagakerjaan RI, jumlah peserta BPJS Ketenagakerjaan di Indonesia hingga Desember 2022 mencapai 55,38 juta orang, baik aktif maupun non-aktif. Ini menunjukkan pentingnya BPJS Ketenagakerjaan dalam melindungi kesejahteraan tenaga kerja. Progam jaminan sosial sudah diatur dalam undang-undang, namun banyak pekerja yang belum terdaftar sebagai peserta atau peserta non-aktif. Oleh karena itu, diperlukan analisis untuk mengidentifikasi pengelompokan peserta aktif berdasarkan karakteristiknya. Salah satu cara untuk melakukan analisis tersebut adalah dengan menggunakan metode clustering atau pengelompokan data. Tujuan dari penelitian ini adalah untuk menganalisis secara deskriptif data kepesertaan dan mengelompokan provinsi di Indonesia berdasarkan jumlah kepesertaan aktif menggunakan metode K-Medoids Clustering. Analisis ini menghasilkan 3 cluster, cluster 1 terdiri dari 29 provinsi dengan tingkat kepesertaan terendah, cluster 2 terdiri dari provinsi DKI Jakarta, dengan tingkat kepesertaan tertinggi, dan cluster 3 terdiri dari 4 provinsi yaitu Jawa Barat, Jawa Tengah, Jawa Timur, dan Banten dengan tingkat kepesertaan sedang.