Cluster Analysis Menggunakan Algoritma Fuzzy K-Means Untuk Tingkat Pengangguran Di Provinsi Riau

Authors

  • Sarbaini Sarbaini Universitas Islam Negeri Sultan Syarif Kasim Riau
  • Windylia Saputri Universitas Islam Negeri Sultan Syarif Kasim Riau
  • Nazaruddin Universitas Islam Negeri Sultan Syarif Kasim Riau
  • Fitriani Muttakin Universitas Islam Negeri Sultan Syarif Kasim Riau

DOI:

https://doi.org/10.55826/tmit.v1iII.30

Abstract

Pengangguran merupakan permasalahan yang pasti dihadapi oleh suatu negara, terutama negara berkembang seperti Indonesia. Riau merupakan salah satu provinsi di Indonesia yang tingkat penganggurannya mengalami kenaikan atau penurunan setiap tahunnya. Pada tahun 2019 Tingkat Pengangguran Terbuka (TPT) di provinsi Riau sebesar 5,76%, pada tahun 2020 meningkat menjadi 6,32% dan pada tahun 2021 menurun menjadi 4,42%. Oleh karena itu penelitian ini bertujuan untuk mengurangi tingkat pengangguran di provinsi Riau dengan cara mengelompokkan kabupaten/kota yang ada di provinsi Riau sehingga mengetahui di mana wilayah yang memiliki tingkat pengangguran tinggi dan wilayah yang memiliki tingkat pengangguran rendah supaya pemerintah dapat memberikan solusi pada wilayah dengan tingkat pengangguran tinggi. Metode Fuzzy K-Means dapat membantu menentukan clustering tingkat pengangguran di provinsi Riau berdasarkan indikator tingkat pengangguran khususnya Tingkat Pengangguran Terbuka (TPT), Tingkat Partisipasi Angkatan Kerja (TPAK), Produk Domestik Regional Bruto (PDRB) dan Indeks Pembangunan Manusia (IPM). Hasil penelitian ini menunjukkan bahwa dari 12 kabupaten/kota di provinsi Riau terbagi menjadi dua cluster yaitu cluster tingkat pengangguran tinggi dan cluster tingkat pengangguran rendah, cluster dengan tingkat pengangguran tinggi terdapat 6 wilayah dan tingkat pengangguran rendah terdapat 6 wilayah.

 

Kata kunci: Clustering, Fuzzy K-Means, Data Mining.

References

R.-J. Kuo, M. Rizki, F. E. Zulvia, and A. U. Khasanah, “Integration of growing self-organizing map and bee colony optimization algorithm for part clustering,” Comput. Ind. Eng., vol. 120, pp. 251–265, 2018.

F. S. Lubis, A. P. Rahima, M. I. H. Umam, and M. Rizki, “Analisis Kepuasan Pelanggan dengan Metode Servqual dan Pendekatan Structural Equation Modelling (SEM) pada Perusahaan Jasa Pengiriman Barang di Wilayah Kota Pekanbaru,” SITEKIN J. Sains, Teknol. dan Ind., vol. 17, no. 1, pp. 25–31, 2020.

M. Rizki, D. Devrika, and I. H. Umam, “Aplikasi Data Mining dalam penentuan layout swalayan dengan menggunakan metode MBA,” J. Tek. Ind. J. Has. Penelit. dan Karya Ilm. dalam Bid. Tek. Ind., vol. 5, no. 2, pp. 130–138, 2020.

M. L. Hamzah, A. A. Purwati, A. Jamal, and M. Rizki, “An Analysis of Customer Satisfaction and Loyalty of Online Transportation System in Pekanbaru, Indonesia,” in IOP Conference Series: Earth and Environmental Science, 2021, vol. 704, no. 1, p. 12029.

M. Rizki, M. I. H. Umam, and M. L. Hamzah, “Aplikasi Data Mining Dengan Metode CHAID Dalam Menentukan Status Kredit,” SITEKIN J. Sains, Teknol. dan Ind., vol. 18, no. 1, pp. 29–33, 2020.

M. Rizki, K. Khulidatiana, I. Kusmanto, F. S. Lubis, and S. Silvia, “Aplikasi End User Computing Satifaction pada Penggunaan E-Learning FST UIN SUSKA,” SITEKIN J. Sains, Teknol. dan Ind., vol. 19, no. 2, pp. 154–159, 2022.

M. Rizki, A. Wenda, F. D. Pahlevi, M. I. H. Umam, M. L. Hamzah, and S. Sutoyo, “Comparison of Four Time Series Forecasting Methods for Coal Material Supplies: Case Study of a Power Plant in Indonesia,” in 2021 International Congress of Advanced Technology and Engineering (ICOTEN), 2021, pp. 1–5.

M. I. H. Umam, N. Nofirza, M. Rizki, and F. S. Lubis, “Optimalisasi Jumlah Kebutuhan Tenaga Kerja pada Stasiun Kerja Hoisting Crane Menggunakan Metode Work Sampling (Studi Kasus: PT. X),” J. Tek. Ind. J. Has. Penelit. dan Karya Ilm. dalam Bid. Tek. Ind., vol. 5, no. 2, pp. 125–129, 2020.

M. Rizki, A. T. Almi, I. Kusumanto, A. Anwardi, and S. Silvia, “Aplikasi Metode Kano Dalam Menganalisis Sistem Pelayanan Online Akademik FST UIN SUSKA Riau pada masa Pandemi Covid-19,” SITEKIN J. Sains, Teknol. dan Ind., vol. 18, no. 2, pp. 180–187, 2021.

M. Rizki et al., “Determining Marketing Strategy At LPP TVRI Riau Using SWOT Analysis Method,” J. Appl. Eng. Technol. Sci., vol. 3, no. 1, pp. 10–18, 2021.

A. Rinaldi, N. Rahmadani, P. Papilo, S. Silvia, and M. Rizki, “Analisa Pengambilan Keputusan Pemilihan Bahan Dalam Pembuatan Kemeja Menggunakan Metode TOPSIS,” SITEKIN J. Sains, Teknol. dan Ind., vol. 18, no. 2, pp. 163–172, 2021.

E. G. Permata, M. Rizki, P. Papilo, and S. Silvia, “Analisa Strategi Pemasaran Dengan Metode BCG (Boston Consulting Group) dan Swot,” SITEKIN J. Sains, Teknol. dan Ind., vol. 17, no. 2, pp. 92–99, 2020.

S. Sarbaini, E. P. Cynthia, and M. I. Arifandy, “Pengelompokan Diabetic Macular Edema Berbasis Citra Retina Mata Menggunakan Fuzzy Learning Vector Quantization (FLVQ),” SITEKIN J. Sains, Teknol. dan Ind., vol. 19, no. 1, pp. 75–80, 2021.

F. Muttakin, K. N. Fatwa, and S. Sarbaini, “Implementasi Additive Ratio Assessment Model untuk Rekomendasi Penerima Manfaat Program Keluarga Harapan,” SITEKIN J. Sains, Teknol. dan Ind., vol. 19, no. 1, pp. 40–48.

S. Saputri and A. N. Rahma, “Pengelompokan Suhu Di Kota Pekanbaru Menggunakan Metode Fuzzy K-Means,” no. November, pp. 505–512, 2019.

A.- Akramunnisa and F. Fajriani, “K-Means Clustering Analysis pada PersebaranTingkat Pengangguran Kabupaten/Kota di Sulawesi Selatan,” J. Varian, vol. 3, no. 2, pp. 103–112, 2020, doi: 10.30812/varian.v3i2.652.

F. A. Tanjung, A. P. Windarto, and M. Fauzan, “Penerapan Metode K-Means Pada Pengelompokkan Pengangguran Di Indonesia,” Jurasik (Jurnal Ris. Sist. Inf. dan Tek. Inform., vol. 6, no. 1, p. 61, 2021, doi: 10.30645/jurasik.v6i1.271.

Downloads

Published

27-06-2022

How to Cite

[1]
S. Sarbaini, W. Saputri, Nazaruddin, and F. Muttakin, “Cluster Analysis Menggunakan Algoritma Fuzzy K-Means Untuk Tingkat Pengangguran Di Provinsi Riau ”, JTMIT, vol. 1, no. 2, pp. 78–84, Jun. 2022.