Claim Missing Document
Check
Articles

Found 2 Documents
Search

Perbandingan Kinerja Algoritma K-Means dan K-Medoids Pada Pengelompokan Usaha Pertanian Perorangan Tanaman Pangan di Provinsi Kalimantan Barat Margareta, Tiara; Satyahadewi, Neva; Pertiwi, Retno
Jurnal Forum Analisis Statistik Vol. 5 No. 1 (2025): Jurnal Forum Analisis Statistik (FORMASI)
Publisher : Badan Pusat Statistik Provinsi Kalimantan Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57059/formasi.v5i1.91

Abstract

Kalimantan Barat province as the third largest province in Indonesia, has diverse and promising potential, especially in agriculture. It is known based on the result of the 2023 Agricultural Census, 354.503 people in Kalimantan Barat are food crop subsector agricultural business (contributing 48,58 percent of the total individual agricultural holdings). It is necessary to classify the commodity of food crop to identify the potential commodities in each regencies/cities. The method used in this analysis are the K-Means and K-Medoids algorithms. The use of both methods aims to compare and determine the most suitable algorithm for this analysis. The data used is sourced from the result of the complete enumeration of the 2023 agricultural census with the variable is the number of individual agricultural holdings of food crop commodities (rice and secondary food crops). The purpose of this study is to classify the number of food crop agricultural holdings in Kalimantan Barat Province by regency/municipality. The analysis results showed that K-Means was the best algorithm used for this data, with a DBI of 0,637. Smaller than the K-Medoids algorithm, which had a DBI of 0,683. The result of the K-Means analysis identified four clusters of food crop commodity areas. The first cluster consist of five regencies/municipalities, the second cluster contains one, the third cluster includes six, the fourth cluster comprise two regencies/municipalities.
K-HARMONIC MEANS CLUSTERING DENGAN VALIDASI DUNN INDEX UNTUK PENGELOMPOKAN TINGKAT PENGANGGURAN DI KALIMANTAN BARAT Margareta, Tiara; Imro'ah, Nurfitri; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol. 15 No. 2 (2026): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : Faculty of Mathematics and Natural Sciences Tanjungpura University

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

Abstract

Tingkat pengangguran menjadi salah satu isu ketenagakerjaan yang dipengaruhi oleh beragam faktor sosial dan ekonomi yang berbeda di setiap wilayah. Berdasarkan kondisi tersebut, diperlukan pengelompokan kabupaten/kota di Provinsi Kalimantan Barat menurut faktor-faktor yang memengaruhi tingkat pengangguran. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Provinsi Kalimantan Barat menggunakan metode K-Harmonic Means serta menentukan jumlah cluster yang optimal berdasarkan Dunn Index. Variabel yang digunakan dalam penelitian ini meliputi Tingkat Partisipasi Angkatan Kerja (TPAK), laju pertumbuhan Produk Domestik Regional Bruto (PDRB), persentase penduduk miskin, Rata-rata Lama Sekolah (RLS), angka ketergantungan, jumlah penduduk, serta realisasi investasi Penanaman Modal Asing (PMA) dan Penanaman Modal Dalam Negeri (PMDN). Berdasarkan hasil analisis, diperoleh jumlah cluster optimal sebanyak empat cluster dengan parameter = 2,5; 3; 3,5; dan 4, serta nilai Dunn Index sebesar 0,635 yang merupakan nilai tertinggi dibandingkan jumlah cluster lainnya. Hasil pengelompokan menunjukkan bahwa Cluster 1 ditandai oleh TPAK yang relatif tinggi, namun masih disertai pertumbuhan PDRB terendah dan persentase penduduk miskin yang cukup tinggi, sehingga menunjukkan penyerapan tenaga kerja belum optimal. Cluster 2 memiliki pertumbuhan PDRB dan realisasi PMDN yang tinggi, mencerminkan kondisi ekonomi dan pasar kerja yang lebih kondusif. Cluster 3 menonjol dengan jumlah penduduk serta realisasi PMA yang sangat tinggi, tetapi juga memiliki tingkat kemiskinan tertinggi, sehingga menunjukkan belum meratanya kesejahteraan. Sementara itu, Cluster 4 dicirikan oleh rata-rata lama sekolah yang tinggi namun TPAK relatif rendah, yang mengindikasikan pemanfaatan tenaga kerja terdidik belum optimal.