Kombinasi Analisis Klaster Partisi dan Hierarki dengan Metode Bisecting K-Means (Studi Kasus: Data Tingkat Pengangguran Seluruh Kabupaten/Kota di Pulau Jawa Tahun 2023)

ROSIDAH TAMARA, Dr. Adhitya Ronnie Effendie, M.Si., M.Sc.

2024 | Skripsi | STATISTIKA

Analisis klaster adalah metode multivariat yang dirancang untuk mengelompokkan objek berdasarkan karakteristik yang sama. Ada dua metode dalam analisis klaster, yaitu metode hierarki dan non hierarki, atau metode partisi. Metode bisecting k-means mengkombinasikan metode partisi dengan metode hierarki dengan membagi satu klaster data menjadi dua pada setiap iterasinya. Skripsi ini membahas implementasi metode bisecting k-means untuk mengelompokkan data pengangguran seluruh kabupaten/kota di Pulau Jawa dengan variabel tingkat pengangguran terbuka, tingkat partisipasi angkatan kerja, indeks pembangunan masyarakat, dan persentase penduduk miskin. Hasil analisis klaster dengan metode bisecting k-means menghasilkan tiga klaster dengan performa hasil analisis yang lebih baik dibandingkan dengan metode k-means. Hal ini disimpulkan dari nilai empat metriks evaluasi yaitu Sillhouette sebesar 0.310466402, nilai Davies-Bouldin Index sebesar 1.085962392, dan nilai WCSS sebesar 259.2321922.

Cluster analysis is a multivariate method designed to group objects based on similar characteristics. There are two methods in cluster analysis, namely hierarchical and non-hierarchical methods, or partitioning methods. The bisecting k-means method combines the partitioning method with the hierarchical method by splitting one data cluster into two in each iteration. This thesis discusses the implementation of the bisecting k means method to cluster unemployment data across all regencies/cities in Java Island using the variables of open unemployment rate, labor force participation rate, human development index, and the percentage of poor population. The cluster analysis results using the bisecting k-means method produced three clusters with better analysis performance compared to the k means method. This conclusion is drawn from the values of four evaluation metrics: Silhouette score of 0.310466402, Davies-Bouldin Index score of 1.085962392, and WCSS score of  259.2321922.

Kata Kunci : analisis klaster, hierarki, bisecting k-means, k-means, tingkat pengangguran