ALGORITMA K-MEANS UNTUK MENGELOMPOKKAN TINGKAT PENGANGGURAN TERBUKA (TPT) MENURUT PROVINSI DI INDONESIA
Total View This Week0
Total View This Week0
Institusion
Universitas Nahdlatul Ulama Sunan Giri
Author
SAPUTRA, AGUS BIMA
Subject
004 Pemrosesan data dan ilmu komputer
Datestamp
2024-08-14 07:49:04
Abstract :
Pengangguran merupakan salah satu masalah utama yang dihadapi oleh banyak negara, termasuk Indonesia. Tingkat Pengangguran Terbuka (TPT) adalah indikator penting yang digunakan untuk mengukur jumlah angkatan kerja yang tidak terserap di pasar tenaga kerja. Penelitian ini bertujuan untuk mengelompokkan provinsi-provinsi di Indonesia berdasarkan tingkat pengangguran dan angka partisipasi sekolah, sehingga dapat memberikan gambaran yang lebih jelas tentang distribusi pengangguran di berbagai wilayah.Cluster: Penelitian ini berhasil mengidentifikasi tiga Cluster utama: Cluster 1: Provinsi dengan tingkat pengangguran tinggi. Cluster 2: Provinsi dengan tingkat pengangguran sedang. Cluster 3: Provinsi dengan tingkat pengangguran rendah. Distribusi: Hasil Clustering menunjukkan bahwa 13 provinsi termasuk dalam Cluster 1, 18 provinsi dalam Cluster 2, dan 3 provinsi dalam Cluster 3.Penelitian ini menemukan bahwa algoritma K-Means efektif dalam mengelompokkan provinsi berdasarkan TPT dan angka partisipasi sekolah (APS). Hasil Clustering menunjukkan adanya variasi yang signifikan antar provinsi, dengan beberapa provinsi memiliki tingkat pengangguran yang lebih tinggi dan partisipasi sekolah yang lebih rendah dibandingkan provinsi lainnya.Penelitian ini berhasil mengelompokkan provinsi-provinsi di Indonesia berdasarkan TPT dan angka partisipasi sekolah menggunakan algoritma K-Means. Hasil Clustering memberikan wawasan yang berharga mengenai distribusi pengangguran di Indonesia dan dapat digunakan sebagai dasar dalam pengambilan kebijakan yang lebih efektif
Pengangguran merupakan salah satu masalah utama yang dihadapi oleh banyak negara, termasuk Indonesia. Tingkat Pengangguran Terbuka (TPT) adalah indikator penting yang digunakan untuk mengukur jumlah angkatan kerja yang tidak terserap di pasar tenaga kerja. Penelitian ini bertujuan untuk mengelompokkan provinsi-provinsi di Indonesia berdasarkan tingkat pengangguran dan angka partisipasi sekolah, sehingga dapat memberikan gambaran yang lebih jelas tentang distribusi pengangguran di berbagai wilayah.Cluster: Penelitian ini berhasil mengidentifikasi tiga Cluster utama: Cluster 1: Provinsi dengan tingkat pengangguran tinggi. Cluster 2: Provinsi dengan tingkat pengangguran sedang. Cluster 3: Provinsi dengan tingkat pengangguran rendah. Distribusi: Hasil Clustering menunjukkan bahwa 13 provinsi termasuk dalam Cluster 1, 18 provinsi dalam Cluster 2, dan 3 provinsi dalam Cluster 3.Penelitian ini menemukan bahwa algoritma K-Means efektif dalam mengelompokkan provinsi berdasarkan TPT dan angka partisipasi sekolah (APS). Hasil Clustering menunjukkan adanya variasi yang signifikan antar provinsi, dengan beberapa provinsi memiliki tingkat pengangguran yang lebih tinggi dan partisipasi sekolah yang lebih rendah dibandingkan provinsi lainnya.Penelitian ini berhasil mengelompokkan provinsi-provinsi di Indonesia berdasarkan TPT dan angka partisipasi sekolah menggunakan algoritma K-Means. Hasil Clustering memberikan wawasan yang berharga mengenai distribusi pengangguran di Indonesia dan dapat digunakan sebagai dasar dalam pengambilan kebijakan yang lebih efektif
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
