Clustering tingkat pengangguran di Provinsi Maluku dengan algoritma K- Means

Bilah Samping Artikel

PDF
Diterbitkan: Des 24, 2025

Isi Artikel Utama

Fadli Husein Wattiheluw, S.Kom., M.Kom
Institut teknologi dan bisnis stikom ambon

Abstrak

Tingkat pengangguran merupakan salah satu indikator penting dalam mengukur kondisi sosial ekonomi suatu wilayah. Provinsi Maluku, sebagai bagian dari wilayah Indonesia timur, memiliki karakteristik geografis dan sosial yang beragam, yang turut mempengaruhi tingkat pengangguran di setiap kabupaten/kota. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di provinsi Maluku berdasarkan tingkat pengangguran menggunakan algoritma K-Means. Data yang digunakan dalam penelitian ini diperoleh dari BPS(Badan Pusat Statistik). Hasil analisis menunjukkan bahwa wilayah di provinsi Maluku dapat diklasifikasikan ke dalam 3 cluster, yaitu: cluster 0 sebanyak 10 wilayah dengan tingkat pengangguran sedang; cluster 1 sebanyak 1 wilayah dengan tingkat pengangguran sedang; dan cluster 2 sebanyak 1 wilayah dengan tingkat pengangguran tinggi; Implementasi penelitian berupa website yang diharapkan dapat digunakan sebagai dasar dalam pengambilan kebijakan penanggulangan pengangguran secara lebih fokus dan efektif di provinsi Maluku.

Rincian Artikel

Cara Mengutip
Wattiheluw, S.Kom., M.Kom, F. H. (2025). Clustering tingkat pengangguran di Provinsi Maluku dengan algoritma K- Means. Jurnal Ilmu Komputer STIKOM Ambon, 10(2). Diambil dari https://www.jurnal.itbstikomambon.com/index.php/jikomstik/article/view/117
Terbitan
Vol 10 No 2 (2025): JIKOMSTIK
Bagian
Artikel

Referensi

A. I. Ramadhan, P. D. Atika, and K. F. Ramdhania, “Analisis clustering K-Means untuk pemetaan tingkat pengangguran terbuka di provinsi-provinsi Indonesia tahun 2013–2023,” Jurnal Statistika dan Riset Computasi, vol. 5, no. 2, pp. 112–121, 2024. [Online]. Available: https://doi.org/10.31599/wbpydb62

C. N. Rianda, “Analisis dampak pengangguran berpengaruh terhadap individual,” At-Tasyri’: Jurnal Ilmiah Prodi Muamalah, vol. 12, no. 1, pp. 11–20, 2020. [Online]. Available: http://ejournal.staindirundeng.ac.id/index.php/Tasyri

I. R. Padiku and A. Lahinta, “Penerapan clustering K-Means untuk mendukung pengelolaan koleksi pada perpustakaan Fakultas Teknik Universitas Negeri Gorontalo,” Jurnal Teknologi, vol. 20, no. 1, pp. 33–41, 2022. [Online]. Available: https://doi.org/10.37031/jt.v20i1.206

N. L. Anggreini, “Teknik clustering dengan algoritma K-Medoids untuk menangani strategi promosi di Politeknik TEDC Bandung,” Jurnal Teknologi Informasi dan Pendidikan (JTIP), vol. 12, no. 2, pp. 45–54, 2019. [Online]. Available: https://www.neliti.com/publications/328497

D. Nurhasanah and R. A. Wibowo, "Analisis Metode Clustering pada Data Kependudukan di Indonesia," *Jurnal Teknologi Informasi dan Komputer*, vol. 7, no. 3, pp. 125–133, 2022.

Badan Pertanahan Nasional. (2023). Informasi Pertanahan Indonesia. Diakses dari https://www.atrbpn.go.id

Stack Overflow, "Forum Tanya Jawab Pemrograman," 2025. [Online]. Available: https://stackoverflow.com

Google, "Mesin Pencari Informasi," 2025. [Online]. Available: https://www.google.com

Tech With Tim, "Tutorial Python Pandas untuk Pemula [Video YouTube]," 2023. [Online]. Available: https://www.youtube.com/watch?v=xyz123

DQLab, "Kenali Fungsi Pandas Python untuk Analisis Data," 2023. [Online]. Available: https://dqlab.id/kenali-fungsi-pandas-python-untuk-analisis-