Klasterisasi Tingkat Pengangguran Terbuka Di Provinsi Banten Berdasarkan Pendidikan Dan Umur Menggunakan Algoritma K-Means Clustering

Muhammad Ramdhan Hidayatullah, . (2024) Klasterisasi Tingkat Pengangguran Terbuka Di Provinsi Banten Berdasarkan Pendidikan Dan Umur Menggunakan Algoritma K-Means Clustering. Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (971kB)
	Text BAB I.pdf Restricted to Registered users only Download (158kB)
	Text BAB II.pdf Restricted to Registered users only Download (332kB)
	Text BAB III.pdf Restricted to Registered users only Download (785kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (95kB)
	Text JURNAL.pdf Restricted to Registered users only Download (589kB)

Abstract

Penelitian ini memfokuskan pada klasterisasi Tingkat Pengangguran Terbuka di Provinsi Banten berdasarkan pendidikan dan umur menggunakan algoritma K- Means Clustering. Tingkat pengangguran di Provinsi Banten pada Februari 2023 mencapai 7,97%, melebihi rata-rata nasional. Kurangnya penelitian tentang klasterisasi tingkat pengangguran berdasarkan faktor-faktor ini menjadi latar belakang penelitian. Data diperoleh dari Badan Pusat Statistik (BPS). Hasil klasterisasi menunjukkan tiga kelompok utama tingkat pengangguran berdasarkan pendidikan dan umur. Cluster 1 mencakup tingkat pendidikan sedang (Tidak sekolah/Belum tamat SD, Sekolah Dasar, dan SLTP) dengan golongan umur sedang (25-39 tahun), Cluster 2 tingkat pendidikan rendah (Universitas Sederajat) dengan golongan umur tinggi (15-24 dan 20-24 tahun), dan Cluster 3 tingkat pendidikan tinggi (SLTA) dengan golongan umur rendah (40 tahun ke atas). Analisis Silhouette Score dan Davies-Bouldin Index menunjukkan hasil klasterisasi yang baik, dengan objek dalam klaster memiliki kesamaan yang tinggi dan klaster terdefinisi serta berjarak cukup jauh. Dengan Penelitian ini memberikan kontribusi pada pemahaman pola pengangguran di Provinsi Banten, memberikan informasi berharga bagi pengambil keputusan, dan melengkapi penelitian sebelumnya yang minim dalam klasterisasi tingkat pengangguran di wilayah tersebut.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasterisasi, K-Means, Pengangguran, Pendidikan, Umur
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Sri Lestari
Date Deposited:	02 Oct 2024 05:19
Last Modified:	02 Oct 2024 05:19
URI:	http://repository.unpam.ac.id/id/eprint/14247

Actions (login required)

View Item