Penentuan Cluster Hirarki Optimum dalam Pengelompokan Kabupaten/Kota di Provinsi Sulawesi Selatan dengan Indikator Kemiskinan
Abstract
Kemiskinan merupakan salah satu permasalahan sosial yang dihadapi oleh setiap negara, salah satunya di Indonesia. Dalam artikel ini bertujuan untuk mengelompokkan Kabupaten/Kota di Sulawesi Selatan berdasarkan nilai indikator kemiskinan, dengan menggunakan metode analisis cluster hirarki. Dalam analisis cluster hirarki terdapat beberapa metode yang dapat digunakan untuk proses pengelompokan seperti; single linkage, complete linkage, average linkage, dan beberapa metode yang lain. Banyaknya metode dalam analisis cluster hirarki, tentunya terdapat salah satu metode yang optimum (terbaik) dalam melakukan proses pengelompokan Kabupaten/Kota Provinsi Sulawesi Selatan. Dari hasil analisis, diperoleh bahwa metode yang optimum (terbaik) dalam proses pengelompokan Kabupaten/Kota di Provinsi Sulawesi Selatan adalah metode average linkage. Dengan 3 cluster, hasil pengelompokan Kabupaten/Kota di Provinsi Sulawesi Selatan adalah sebagai berikut : Cluster 1 dengan jumlah anggota 1 Kabupaten, Cluster 2 dengan jumlah anggota 21 Kabupaten/Kota, Cluster 3 dengan jumlah anggota 1 Kota.
References
[2] Badan Pusat Statistik. 2022. “Provinsi Sulawesi Selatan dalam Angka 2022”
[3] Dani, Andreas Tri Rian, dkk. “Penerapan Hierarchical Clustering Metode Agglomerative pada Data Runtun Waktu”. Jambura Journal of Mathematics 1, no.2 (2019) : h. 64-78.
[4] Fathia, Annisa Nur, dkk. 2016. “Analisis Klaster Kecamatan di Kabpaten Semarang Berdasarkan Potensi Desa Menngunakan Metode Ward dan Single Linkage”. Jurnal Gaussian 5, no. 4: h.801-810.
[5] Johnson, Richardso A dan Dean W. Wichern. 2007 “Applied Multivariate Statistical Analysis”. New York : Prentice Hall International.
[6] Pangkey, Rani A, dkk. 2018. “Aplikasi Analisis Komponen Utama dan Analisis Gerombol pada Varietas Tanaman Hias Krisan di Kota Tomohon”. Jurnal Matematika dan Aplikasi deCartesian 7, no. 2: h. 73-77.
[7] Prawoto, Nano. 2019. “Memahami Kemiskinan dan Strategi Penanggulang-annya”. Jurnal Ekonomi dan Studi Pembangunan.
[8] Rachmatin, Devi dan Kania Sawitri. 2019. “Perbandingan antara Metode Agglomerative, Divisif dan K-Means dalam Analisis Cluster”. Institut Teknologi Nasional Bandung: h.9-17.
[9] Rini, Ayu Setyo, dkk. 2016. “Faktor-Faktor Penentu Kemiskinan di Indonesia”. Jurnal Ekonomi Terapan 01, no.2: h. 17-33.
[10] Simamora, Hamelia dan Bagus Sumargo. 2019. “Pengklasifikasian Penggunaan Internet Lingkngan Pedesaan Menurut Jenjang Pendidikan di Indonesia Menggunakan Cluster Average Linkage”. Jurnal Statistika dan Aplikasinya 3, no.1: h. 22-29.
[11] Srinadi, I Gusti Ayu Made dan I Made Agus Gelgel Wirasuta. 2014. “Penerapan Analisis Gerombol dalam Pengelompokan Lengkuas Berdasarkan Kandungan Bioaktif”. Seminar Nasional Matematika Universitas Udayana: h. 359-366.
[12] Wahyuni, Rezki, dkk. 2015. “Analisis Klaster dengan Menggunkan Single Linkage dan Metode K-Means”. Jurnal Statistika UNIB Bengkulu: h.1-9.
[13] Widodo, Edy, dkk. 2018. “Analsis Cluster Penderita Disabilitas Mental di Provinsi Daerah Istimewa Yogyakarta Tahun 2016”. Jurnal Program Studi Pendidikan Matematika FKIP UMS: h.577-586.
Copyright (c) 2023 Jurnal Matematika dan Statistika serta Aplikasinya
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
