Analisis Klaster Tingkat Pengangguran di Provinsi Kalimantan Timur Menggunakan Algoritma K-Means

  • Dimaz Harits Universitas Balikpapan
  • Ari Andriyas Puji Universitas Muhammadiyah Riau
  • Marulan Andivas Universitas Balikpapan
  • Dedi Dermawan Universitas Muhammadiyah Riau
  • Eaden Ahmed Thoriq Universitas Balikpapan
Keywords: Algoritma K-Means, Data Mining, Klasterisasi, Tingkat Pengangguran

Abstract

Kalimantan Timur merupakan Provinsi dengan Pendapatan Domestik Bruto Regional tertinggi kedua di Indonesia setelah Jakarta. Besarnya PDRB Kalimantan Timur ternyata tidak sesuai dengan Tingkat Pengangguran Terbukanya. Hal ini tentu mengundang pertanyaan, mengapa Provinsi dengan PDRB tertinggi ke-2 justru Tingkat Partisipasi Angkatan Kerjanya terburuk ke-7. Penelitian ini mencobamenjawab dari tataran analisis klaster. Proses pengelompokanya dapat memberi sudut pandang awal tentang karakteristik Tingkat Pengangguran Terbuka di Kalimantan Timur. Hasil penelitian menunjukan terdapat dua klaster Tingkat pengangguran dengan karakteristik cukup berbeda. Klaster 1 memiliki tingkat pengangguran terbuka yang cukup tinggi, dengan partisipasi kerja dibawah klaster 2. Menariknya, walaupun TPT dan TPAK klaster 1 kalah dengan klaster 2, nilai PDRB, IPM dan PMDN mereka jauh melampui klaster 2. Temuan ini cukup menarik, sebab tinggi rendahnya PDRB tidak sejalan dengan Tingkat Pengangguran, bertolak belakang dengan Teori Okun.

Downloads

Download data is not yet available.

References

BPS, “Produk Domestik Regional Bruto Kabupaten/Kota di Indonesia 2017-2021,” Jakarta, 2022. [Online]. Available: https://www.bps.go.id/publication/2022/06/07/59cf6a8a96b61d09c6d65260/produk-domestik-regional-bruto-kabupaten-kota-di-indonesia-2017-2021.html

BPS, “Keadaan Ketenagakerjaan Indonesia Agustus 2021,” Jakarta, 2022.

N. G. Mankiw, “The Savers – Spenders Theory of Fiscal Policy,” Am. Econ. Rev., vol. 90, no. 2, pp. 120–125, 2000, doi: 10.1257/aer.90.2.120.

T. Ullman, C. Hennig, and A.-L. Boulesteix, “Validation of cluster analysis results on validation data: A systematic framework,” WIREs Data Min. Knowl. Discov., vol. 12, no. 3, pp. 1–9, 2021, doi: https://doi.org/10.1002/widm.1444.

Sarbaini, W. Saputri, Nazaruddin, and F. Muttakin, “Cluster Analysis Menggunakan Algoritma Fuzzy K-Means Untuk Tingkat Pengangguran Di Provinsi Riau,” J. Teknol. dan Manaj. Ind. Terap., vol. 1, no. 2, pp. 78–84, 2022.

Z. A. Anggraini, “Analisis Pengangguran Terbuka Di Provinsi Jawa Tengah Tahun 2015-2019,” J. Ilmu Ekon. JIE, vol. 5, no. 4, pp. 712–722, 2021, doi: 10.22219/jie.v5i04.17820.

M. Sahnoun and C. Abdennadher, “A simultaneous-equation model of active labour market policies and change in unemployment rate: evidence from OECD countries,” Policy Stud., vol. 43, no. 1, pp. 3–20, 2022, doi: 10.1080/01442872.2020.1754384.

Published
2022-12-30
How to Cite
Harits, D., Puji, A. A., Andivas, M., Dermawan , D., & Thoriq, E. A. (2022). Analisis Klaster Tingkat Pengangguran di Provinsi Kalimantan Timur Menggunakan Algoritma K-Means . Jurnal Surya Teknika, 9(2), 456-460. https://doi.org/10.37859/jst.v9i2.4430
Abstract views: 343 , *.pdf downloads: 318

Most read articles by the same author(s)

1 2 > >>