<![CDATA[Anak-anak yang tidak bersekolah merupakan suatu masalah dalam dunia pendidikan yang masih menjadi tantangan, terutama di kalangan masyarakat dengan ekonomi rendah. Tingginya jumlah anak yang tidak mengenyam pendidikan dapat mengurangi kualitas sumber daya manusia dan memperbesar kesenjangan sosial. Penelitian ini bertujuan untuk mengkaji ketidakbersekolahan pada anak berdasarkan level pendidikan dan kelompok pengeluaran, dengan menggunakan pendekatan data mining. Metode yang diterapkan mencakup normalisasi Min-Max sebagai langkah awal dalam memproses data serta algoritma K-means Clustering untuk proses pengelompokan. Normalisasi Min-Max digunakan untuk menyamakan skala data dalam rentang 0 hingga 1, sehingga setiap variabel memiliki peran yang seimbang dalam perhitungan jarak. Data yang digunakan adalah data angka anak tidak sekolah Tahun 2023, yang mencakup tingkat pendidikan SD, SMP, dan SMA rentang kelompok pengeluaran dari kuantil 1 hingga 5. Temuan penelitian ini menunjukkan bahwa algoritma K-Means dengan k = 3 dapat mengelompokkan data menjadi tiga kluster utama, yakni tingkat ketidakbersekolahan yang tinggi, sedang, rendah. Ini mengindikasikan adanya hubungan antara level pengeluaran dan partisipasi anak dalam pendidikan.]]>
Copyrights © 2026
