UIMUIM

UIM | Zeta - Math JournalUIM | Zeta - Math Journal

Kemiskinan adalah fenomena multidimensional yang kompleks dan berdampak signifikan terhadap kehidupan manusia. Masalah kemiskinan telah menjadi topik yang dibahas secara regional, nasional, dan internasional oleh pemerintah. Masalah kemiskinan menarik untuk didekati dan dianalisis menggunakan pendekatan statistik, yaitu analisis klaster. Analisis klaster digunakan untuk mengelompokkan objek berdasarkan tingkat kesamaan mereka. Dalam penelitian ini, algoritma yang digunakan adalah Centroid Linkage Algorithm. Algoritma Centroid Linkage dipilih berdasarkan keunggulannya dalam proses pengelompokan. Pengukuran kesamaan jarak menggunakan Squared Euclidean. Data yang digunakan adalah indikator kemiskinan kabupaten/kota di Provinsi Nusa Tenggara Timur. Hasil analisis menunjukkan bahwa diperoleh dua klaster optimal dengan karakteristik yang membedakan. Semoga hasil analisis ini dapat digunakan sebagai referensi dalam merumuskan kebijakan untuk mengurangi kemiskinan.

Analisis pengelompokan kabupaten/kota di Provinsi Nusa Tenggara Timur berdasarkan indikator kemiskinan menghasilkan kesimpulan sebagai berikut.Diagnosa koefisien siluet mengkonfirmasi bahwa 22 kabupaten/kota di Nusa Tenggara Timur terbaik jika dipisahkan menjadi dua klaster ketika aglomerasinya diterapkan dengan algoritma centroid-linkage terhadap delapan indikator terkait kemiskinan.Kabupaten/kota di Provinsi Nusa Tenggara Timur dikategorikan menjadi 2 klaster berdasarkan indikator kemiskinan.• Klaster 1 (High-HDI). Klaster ini hanya terdiri dari Kota Kupang, yang dibedakan oleh Indeks Pembangunan Manusia (IPM) tertinggi di provinsi (≈ 79,7), tingkat pengangguran terbuka yang sangat rendah (≈ 0,8 %), harapan hidup yang panjang (≈ 69,7 tahun), dan metrik pendidikan terbaik—rata-rata tahun sekolah ≈ 11,6 dan porsi pendaftaran perguruan tinggi ≈ 15,2 %.• Klaster 2 (Regencies Tertinggal). Kelompok ini terdiri dari 21 kabupaten lainnya, yang menunjukkan HDI yang lebih rendah (≈ 63,5), masa sekolah yang lebih pendek (≈ 7,4 tahun), tingkat buta huruf yang lebih tinggi di antara orang dewasa, dan lebih dari dua kali lipat tingkat pengangguran (≈ 5,9 %).Meskipun memiliki tingkat pertumbuhan ekonomi yang relatif tinggi, rata-rata persentase kemiskinan tetap tinggi (≈ 22,3 %).

Berdasarkan hasil penelitian ini, berikut adalah beberapa saran untuk penelitian lanjutan:. 1. Mengembangkan model analisis klaster yang lebih canggih untuk mengidentifikasi pola dan tren kemiskinan di wilayah-wilayah tertentu. Model ini dapat membantu pemerintah dalam merumuskan kebijakan yang lebih efektif untuk mengurangi kemiskinan.. 2. Menganalisis faktor-faktor yang mempengaruhi kemiskinan di setiap klaster, seperti akses pendidikan, kesehatan, dan infrastruktur. Dengan memahami faktor-faktor ini, pemerintah dapat mengembangkan intervensi yang ditargetkan untuk mengatasi masalah kemiskinan secara lebih spesifik.. 3. Melakukan studi komparatif antara klaster-klaster yang terbentuk untuk memahami perbedaan dan kesamaan karakteristik kemiskinan di setiap wilayah. Studi ini dapat memberikan wawasan tentang strategi yang berhasil diterapkan di klaster tertentu dan membantu dalam merancang kebijakan yang lebih holistik untuk mengurangi kemiskinan secara keseluruhan.

  1. Implementasi Algoritma Centroid Linkage dan K-Medoids dalam Mengelompokkan Kabupaten/Kota di Sulawesi... doi.org/10.20956/ejsa.v5i1.13605Implementasi Algoritma Centroid Linkage dan K Medoids dalam Mengelompokkan Kabupaten Kota di Sulawesi doi 10 20956 ejsa v5i1 13605
  2. Penggunaan Analisis Two Step Clustering untuk Data Campuran | d'Cartesian. analisis two step clustering... ejournal.unsrat.ac.id/index.php/decartesian/article/view/7251Penggunaan Analisis Two Step Clustering untuk Data Campuran dCartesian analisis two step clustering ejournal unsrat ac index php decartesian article view 7251
  3. Pengelompokan Provinsi Berdasarkan Kualitas Jaringan Internet Dengan Metode Centroid Linkage | Dzikrullah... doi.org/10.35580/jmathcos.v5i1.32363Pengelompokan Provinsi Berdasarkan Kualitas Jaringan Internet Dengan Metode Centroid Linkage Dzikrullah doi 10 35580 jmathcos v5i1 32363
  4. Perbandingan Metode Clustering Menggunakan Metode Single Linkage dan K - Means pada Pengelompokan Dokumen... doi.org/10.55601/jsm.v15i2.161Perbandingan Metode Clustering Menggunakan Metode Single Linkage dan K Means pada Pengelompokan Dokumen doi 10 55601 jsm v15i2 161
Read online
File size507.48 KB
Pages11
DMCAReport

Related /

ads-block-test