Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Emerging Statistics and Data Science Journal
Hanifah, Salsabila
Unknown Affiliation
Computer Science & IT Mathematics

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

Found 1 Documents
Search

 1 
Implementasi Metode K-Means Clustering dalam Pengelompokan Kabupaten/ Kota di Provinsi NTB Berdasarkan Indikator Pendidikan: Implementasi Metode K-Means Clustering dalam Pengelompokan Kabupaten/ Kota di Provinsi NTB Hanifah, Salsabila; Primandari, Arum Handini
Emerging Statistics and Data Science Journal Vol. 1 No. 3 (2023): 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.vol1.iss.3.art44

Abstract

Pendidikan merupakan salah satu bidang yang mempunyai peran penting dalam pembangunan suatu daerah. Pentingnya pendidikan sebagai indikator pembangunan juga terbukti dengan adanya poin Pendidikan menjadi menjadi salah satu tujuan pada Sustainable Development Goals (SDGs) yaitu “Menjamin kualitas pendidikan yang inklusif dan merata, serta mendukung kesempatan belajar seumur hidup bagi semua”. Upaya yang dapat dilakukan untuk mencapai hal tersebut adalah dengan menjalankan program wajib belajar untuk memajukan pendidikan. Data yang digunakan dalam penelitian ini adalah data indikator pendidikan SMA sederajat tahun ajaran 2021 yang meliputi Angka Partisipasi Sekolah (APS), Angka Partisipasi Kasar (APK), Angka Partisipasi Murni (APM) dan Rata-rata Lama Sekolah (RLS). Data tersebut merupakan data sekunder yang diperoleh dari website NTB Satu Data. Metode yang digunakan adalah menggunakan K-Means Clustering. K-Means clustering adalah metode pengelompokan yang berusaha mempartisi n individu dalam sebuah dataset multivariate kedalam k kelompok. Dari hasil analisis, diperoleh empat cluster. Cluster pertama terdiri dari 2 kabupaten atau kota dengan indikator pendidikan sedang, cluster kedua terdiri dari 2 kabupaten atau kota dengan indikator pendidikan tinggi, cluster ketiga terdiri dari 4 kabupaten atau kota dengan indikator pendidikan sangat rendah dan cluster keempat terdiri dari 2 kabupaten atau kota dengan indikator pendidikan yang masih rendah.
Co-Authors Primandari, Arum Handini