KLASTERISASI KABUPATEN/KOTA BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN MANUSIA DENGAN METODE AVERAGE LINKAGE
DOI:
https://doi.org/10.55719/mv.v4i2.416Keywords:
cluster, Hierarchical, Human Development IndexAbstract
Negara Indonesia disebut sebagai negara berkependudukan terbesar keempat di dunia
dengan populasi sebanyak 270.203.917 penduduk. Dampak banyaknya penduduk di Negara
Indonesia tentunya pembangunan manusia perlu dikelola dengan baik agar kualitas hidup
masyarakat dapat terpenuhi pada tiap daerah. Provinsi Banten mengalami peningkatan Indeks
Pembangunan Manusia (IPM) yang cenderung melambat dari tahun 2019 ke tahun 2020 yang
meningkat 0.01 persen saja, artinya Indeks Pembangunan Manusia (IPM) di Provinsi Banten
belum berjalan secara optimal dan tiap indikatornya masih belum merata antara kabupaten dengan kota. Oleh karena itu diperlukannya solusi dari permasalahan tersebut agar masyarakat di setiap kabupaten/kota Provinsi Banten dapat menikmati hasil pembangunan yang dilaksanakan oleh pemerintah secara merata, yaitu dengan klasterisasi. Metode penelitian yang
digunakan adalah metode Average Linkage dari analisis klaster hirarki. Analisis klaster hirarki
merupakan analisis multivariat untuk klasterisasi beberapa objek menjadi beberapa klaster. Hasil
penelitian ini dibentuk menjadi empat klaster yaitu wilayah klaster 4 menempati urutan pertama seProvinsi Banten dengan tingkat kemiripan dan nilai rata-rata indikator IPM-nya tinggi. Wilayah
klaster 2 menempati urutan kedua se-Provinsi Banten dengan tingkat kemiripan dan nilai ratarata indikator IPM-nya sedang. Wilayah klaster 3 menempati urutan ketiga se-Provinsi Banten
dengan tingkat kemiripan dan nilai rata-rata indikator IPM-nya rendah. Wilayah klaster 1
menempati urutan keempat se-Provinsi Banten dengan tingkat kemiripan dan nilai rata-rata
indikator IPM-nya paling rendah.
Downloads
References
Badan Pusat Statistik, Indeks Pembangunan Manusia 2020, vol. 148. Badan Pusat Statistik,
S. Santoso, Statistik Multivariat dengan SPSS. Jakarta: PT Elex Media Komputindo, 2017.
[Online]. Available: https://www.google.co.id/books/edition/Statistik_ Multivariat_dengan_SPSS/qi9IDwAAQBAJ?hl=i d&gbpv=0
B. Everitt, Cluster analysis, 5th ed., vol. 14, no. 1. United Kingdom: Wiley, 2011. doi:
1007/BF00154794.
A. R. Damayanti and A. W. Wijayanto, “Comparison of Hierarchical and NonHierarchical Methods in Clustering Cities in Java Island using the Human Development Index Indicators year,” vol. 4, no. 1, 2021.
J. Bu, W. Liu, Z. Pan, and K. Ling, “Comparative Study of Hydrochemical Classification Based on
Di ff erent Hierarchical Cluster Analysis Methods,” 2020.
A. N. Fathia and R. Rahmawati, “Analisis klaster kecamatan di kabupaten semarang berdasarkan potensi desa menggunakan metode ward dan single linkage,” Gaussian, vol. 5, no. 4, pp. 801– 810, 2016, [Online]. Available: http://ejournals1.undip.ac.id/index.php/gaussian
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 Sinta Amelia
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Penulis yang mempublikasikan jurnalnya di MathVision harus setuju dengan:
- Penulis memiliki hak cipta dan memberikan hak jurnal untuk publikasi pertama dengan karya yang secara simultan dilisensikan di bawah Lisensi Creative Commons yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal dalam jurnal ini.
- Penulis dapat membuat perjanjian kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk memposting pekerjaan mereka secara online (mis., Dalam repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menyebabkan pertukaran yang produktif, serta kutipan yang lebih awal dan lebih besar dari karya yang diterbitkan
