Pengelompokan Kabupaten/Kota di Jawa Timur Berdasarkan IPM dan Rasio Gini Pada Tahun 2023 Menggunakan Clustering K-Means

DOI: https://doi.org/10.33650/coreai.v5i2.10593

Authors (s)


(1) * Ardianto Ramadhan   (Universitas Negeri Surabaya)  
        Indonesia
(*) Corresponding Author

Abstract


Provinsi Jawa Timur merupakan salah satu provinsi dengan kontribusi signifikan terhadap pembangunan ekonomi nasional. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Jawa Timur berdasarkan data dari Badan Pusat Statistik (BPS) Jawa Timur tentang Indeks Pembangunan Manusia (IPM) dan Rasio Gini pada tahun 2023. Data IPM digunakan untuk menggambarkan tingkat kesejahteraan masyarakat yang meliputi dimensi kesehatan, pendidikan, dan standar hidup layak, sedangkan Rasio Gini digunakan untuk mengukur ketimpangan distribusi pendapatan. Menggunakan metode Elbow untuk membantu dalam menentukan jumlah cluster, sedangkan algoritma K-Means digunakan untuk proses clustering. Hasil penelitian menunjukkan bahwa 38 kabupaten/kota terbagi menjadi 4 cluster: 16 wilayah dengan IPM rendah dan Rasio Gini sedang (cluster ); 5 wilayah dengan IPM tinggi dan Rasio Gini tinggi (cluster ); 7 wilayah dengan IPM rendah dan Rasio Gini rendah (cluster ); serta 10 wilayah dengan IPM tinggi dan Rasio Gini sedang (cluster). Temuan ini memberikan wawasan penting untuk pengambilan kebijakan pembangunan yang lebih tepat sasaran.

Keywords

Clustering; K-Means; IPM; Rasio Gini; Jawa Timur



Full Text: DOWNLOAD PDF



References


T. Todaro and S. C. Smith, Economic Development, 12th ed. Boston: Pearson, 2015.

M. Kuncoro, Ekonomi Pembangunan: Teori, Masalah dan Kebijakan. Yogyakarta: UPP STIM YKPN, 2000.

Badan Pusat Statistik (BPS), "Indeks Pembangunan Manusia menurut Kabupaten/kota di Jawa Timur," BPS Jawa Timur, 2023. [Online]. Available: https://jatim.bps.go.id.

Badan Pusat Statistik (BPS), "GINI Rasio menurut Kabupaten/kota di Jawa Timur," BPS Jawa Timur, 2023. [Online]. Available: https://jatim.bps.go.id.

M. Kuncoro, "IPM dan Tantangan Pembangunan Daerah," Jurnal Ekonomi Pembangunan Indonesia, vol. 10, no. 2, pp. 12–23, 2005.

Mubyarto, Ekonomi Rakyat dan Pembangunan. Jakarta: LP3ES, 2003.

Bappenas, "Evaluasi Pembangunan Berbasis Indikator Sosial dan Ekonomi," Bappenas, 2022. [Online]. Available: https://www.bappenas.go.id.

D. C. Hariyanto, S. Harini, dan T. Chamidy, “K-Means Clustering Dalam Pengelompokan Relevansi Pekerjaan S1 Informatika,” Jurnal Ilmiah Penelitian dan Pembelajaran Informatika (JIPI), vol. 9, no. 2, pp. 792–797, 2024.

Direktorat Jenderal Kekayaan Negara, Kementerian Keuangan Republik Indonesia, "Normalisasi dan Standardisasi dalam Data Mining," [Online]. Available: https://www.djkn.kemenkeu.go.id/artikel/baca/15943/Seri-Artikel-DDDM-KPKNL-Mamuju-Normalisasi-dan-Standardisasi-dalam-Data-Mining.html. [Accessed: Dec. 19, 2024].

A. H. Saragih, “An Analysis of Local Taxes Revenue’s Effect on Human Development Index,” Jurnal Economia, vol. 14, no. 2, 2018, doi: 10.21831/economia.v14i2.21595.

P. B. W. Putro, S. Mintarti, dan A. Wijaya, “Analisis determinasi pertumbuhan ekonomi dan kemiskinan,” INOVASI, vol. 13, no. 2, 2018, doi: 10.29264/jinv.v13i2.2459.

Arifin, N. H. I., & Shudiq, W. J. F. (2022). Algoritma Decision Tree Dengan Menggunakan Pruning dan Missing Value Untuk Prediksi Kredit Macet. COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi, 3(1), 38-45.

Fadilah, A., Pangestu, M. N., Lumbanbatu, S., & Defiyanti, S. (2022). Pengelompokan Kabupaten/Kota Di Indonesia Berdasarkan Faktor Penyebab Stunting Pada Balita Menggunakan Algoritma K-Means. JIKO (Jurnal Informatika dan Komputer), 6(2), 223-230.

Fikri, R., Mushardiyanto, A., Laudza’Banin, M. N., Maureen, K., & Patria, H. (2021, December). Pengelompokan kabupaten/kota di Indonesia berdasarkan informasi kemiskinan tahun 2020 menggunakan metode k-means clustering analysis. In Seminar Nasional Teknik dan Manajemen Industri (Vol. 1, No. 1, pp. 190-199).

Talakua, M. W., Leleury, Z. A., & Taluta, A. W. (2017). Analisis cluster dengan menggunakan metode k-means untuk pengelompokkan Kabupaten/Kota di provinsi maluku berdasarkan indikator indeks pembangunan manusia tahun 2014. BAREKENG: Jurnal Ilmu Matematika dan Terapan, 11(2), 119-128.


Dimensions, PlumX, and Google Scholar Metrics

10.33650/coreai.v5i2.10593


Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Ardianto Ramadhan

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


Creative Commons License
 
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi

Published by Technic Faculty of Nurul Jadid University, Probolinggo, East Java, Indonesia.