<![CDATA[Pengangguran tetap menjadi tantangan yang terus-menerus dalam pembangunan ekonomi regional Indonesia, yang tercermin dalam variasi Tingkat Pengangguran Terbuka (Open Unemployment Rate/OUR) di berbagai provinsi. Studi ini bertujuan untuk mengidentifikasi dan mengklasifikasikan pola pengangguran regional menggunakan pendekatan pengelompokan berbasis data. Desain kuantitatif dengan kerangka kerja pembelajaran tanpa pengawasan (unsupervised learning) digunakan, memanfaatkan data sekunder tentang Tingkat Pengangguran Terbuka provinsi untuk tahun 2025 yang diperoleh dari Badan Pusat Statistik (BPS). Algoritma pengelompokan K-Means diterapkan setelah pra-pemrosesan dan normalisasi data, sedangkan jumlah cluster optimal ditentukan menggunakan Metode Elbow. Hasil menunjukkan bahwa tiga cluster mewakili struktur pengelompokan yang paling tepat, mengkategorikan provinsi ke dalam cluster pengangguran rendah (3,03%), sedang (4,41%), dan tinggi (6,32%). Temuan ini mengungkapkan heterogenitas regional yang signifikan dalam kondisi pasar tenaga kerja dan menunjukkan bahwa kesenjangan pengangguran secara struktural berbeda di berbagai provinsi. Studi ini menegaskan efektivitas K-Means dalam mengungkap pola regional laten tanpa bergantung pada asumsi kausal dan memberikan landasan empiris untuk mengembangkan kebijakan ketenagakerjaan yang tepat sasaran dan peka terhadap wilayah di Indonesia.]]>
Copyrights © 2026
