PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR PENDIDIKAN MENGGUNAKAN METODE K-MEANS CLUSTERING

Mindi Richia, Putri (2023) PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR PENDIDIKAN MENGGUNAKAN METODE K-MEANS CLUSTERING. S1 thesis, Universitas Mataram.

	Text TUGAS AKHIR_MINDI RICHIA PUTRI_F1D019062.pdf Restricted to Repository staff only Download (4MB)
	Text Jurnal TA_Mindi Richia Putri_F1D019062 - Copy.pdf Restricted to ["security_typename_anyone" not defined] Download (339kB)

Abstract

Tingkat pendidikan masyarakat Indonesia telah membaik, namun belum menjangkau seluruh penduduk. Kesenjangan pendidikan yang terjadi antar kelompok ekonomi masih menjadi permasalahan dan semakin lebar seiring dengan semakin tingginya jenjang pendidikan. Kesenjangan pendidikan juga masih tinggi apabila dibandingkan antarwilayah. Pembelajaran berkualitas juga belum berjalan secara optimal dan merata antarwilayah. Informasi yang akurat dan lengkap diperlukan sebagai rujukan dalam perencanaan serta penentuan strategi yang tepat dalam menghadapi tantangan pembangunan di bidang pendidikan. Informasi tersebut diharapkan dapat menjelaskan kondisi serta situasi pembangunan pendidikan di Indonesia saat ini. Penelitian ini bertujuan untuk melakukan pengelompokan provinsi di Indonesia berdasarkan indikator pendidikan menggunakan metode K-Means Clustering. K-Means Clustering merupakan metode yang mudah dipahami dan diterapkan. Metode ini cocok digunakan untuk data yang besar. Data dan parameter yang digunakan berdasarkan data statistik pendidikan di Indonesia tahun 2020 yang bersumber dari website Badan Pusat Statistika. Pengelompokan dilakukan secara global menggunakan 62 parameter dan per parameter menggunakan 15 parameter yang memiliki kategori jenjang pendidikan atau kelompok umur. Penelitian ini menunjukkan pengelompokan secara global menghasilkan kualitas cluster terbaik pada nilai K=3 dengan nilai Davies-Bouldin Index = 0.487835 dan Silhouette Coefficient = 0.6308 dengan parameter yang sudah di seleksi sebelumnya. Penggunaan seleksi fitur menggunakan PCA menghasilkan kualitas cluster yang lebih baik dibandingkan tanpa menggunakan seleksi fitur. Prediksi jumlah cluster optimal dilakukan dengan metode Elbow dan mendapatkan nilai K optimal yang sama yaitu 3. Sedangkan, pengelompokan per parameter untuk K=5 berdasarkan masing-masing parameter indikator pendidikan mendapatkan hasil cluster terbaik berdasarkan parameter Angka Melek Huruf dengan nilai Silhouette Coefficient = 0.60717, Jumlah Ruang Kelas dengan nilai Silhouette Coefficient = 0.603231 dan Jumlah Rombongan Belajar dengan nilai Silhouette Coefficient = 0.602121. Berdasarkan nilai Silhouette Coefficient tersebut, pengelompokan secara global maupun per parameter menghasilkan cluster dengan struktur yang standar.

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Indikator Pendidikan, Pengelompokan, K-Means, Silhouette Coefficient, Davies-Bouldin Index, Elbow.
Subjects:	T Technology > TD Environmental technology. Sanitary engineering
Divisions:	Fakultas Teknik
Depositing User:	Meike Megawati
Date Deposited:	09 Jun 2023 10:36
Last Modified:	09 Jun 2023 10:36
URI:	http://eprints.unram.ac.id/id/eprint/39566

Actions (login required)

View Item