Agglomerative Hierarchy Clustering Pada Penentuan Kelompok Kabupaten/Kota di Jawa Timur Berdasarkan Indikator Pendidikan
DOI:
https://doi.org/10.31102/zeta.2022.7.2.57-63Keywords:
Agglomerative, Clustering, Hierarchical, copheneticAbstract
Salah satu cara agar dapat meningkatkan kondisi pendidikan di setiap kabupaten/kota di Jawa Timur adalah dengan menggunakan analisis pengelompokan sesuai dengan karakteristik pendidikannya. Analisis Klaster merupakan analisis yang termasuk ke dalam golongan analisis multivariat yang bertujuan untuk mengelompokkan objek berdasarkan karakteristik yang dimilikinya. Penelitian ini menggunakan analisis klaster tipe agglomerative dengan lima metode. Analisis klaster ini disebut dengan “agglomerative hierarchy clustering”. Tujuan penelitian ini adalah membandingkan metode analisis klaster herarki tersebut dengan mencari model terbaik melalui pencarian nilai koefisien korelasi cophenetic terbesar. Data yang digunakan pada penelitian ini merupakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Jawa Timur dan Kementerian Pendidikan Republik Indonesia. Pada pengelompokan Kabupaten/Kota di Provinsi Jawa Timur berdasarkan indikator pendidikan dengan menggunakan metode Agglomerative Hierarchical Clustering dihasilkan bahwa algoritma optimal yang digunakan yaitu pada algoritma average linkage dengan nilai korelasi cophenetic yang diperoleh sebesar 0,807. Berdasarkan indikator pendidikan dari 38 Kabupaten/Kota di Provinsi Jawa Timur terbagi menjadi dua cluster dimana pada cluster pertama beranggotakan 3 Kabupaten/Kota dan cluster kedua 35 Kabupaten Kota.
Keywords: Agglomerative, Clustering, Hierarchical, cophenetic
Downloads
References
Mariana. 2013. Analisis Komponen Utama. Volume 2 No.2 ISSN 2303-0992. Ambon. Jurnal Matematika dan pembelajarannya.
Saracli, S. Dogan, N. dan Dogan, I. 2013. Comparison of Hierarchical Cluster Analysis Methoda by Cophenetic Correlation. Article Number: 203. Journal of Inequalities and Applications. SpringerOpen.
Goreti, M. Novia, Y. dan Wahyuningsih, S. 2016. Perbandingan Hasil Analisis Cluster dengan Menggunakan Metode Single Linkage dan Metode C-Means. Volume 7 No. 1. Jurnal EKSPONENSIAL.
Ningsih, S. Wahyuningsih, S. dan Nasution, Y. N. 2016. Perbandingan Kinerja Metode Complete Linkage dan Average Linkage dalam Menentukan Hasil Analisis Cluster. Vol. 1 No. 1. Prosiding Seminar Sains dan Teknologi FMIPA Unmul.
Widodo, E. Sari, N. N. Hidayati, I, Yubinas, F, Yuniarti, M. Novyantika, D. 2018. Analisis Cluster Penderita Disabilitas Mental di Provinsi Daerah Istimewa Yogyakarta Tahun 2016. ISSN: 2502-65526. KNPMP III. Pendidikan Matematika FMIPA UMS.
Nafisah Q. dan Chandra N. E. 2017. Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur. Volume 3 (2) 31-36. Indonesia. Zeta-Math Journal.
Roux M. 2018. A Comparative Study of Divisive ang Agglomerative Hierarchical Clustering Algorithms. Volume 35 : 345-366. Jerman. Springer.
Mu’afa, S. F. dan Ulinnuha, N. 2019. Perbandingan Metode Single Linkage, Complete Linkage dan Average Linkage dalam Pengelompokan Kecamatan Berdasarkan Variabel Jenis Ternak Kabupaten Sidoarjo. Volume. 4 No. 2. Indonesia. INFORM.
Asiska, N. Satyahadewi, N. dan Perdana, H. 2019. Pencarian Cluster Optimum pada Single Linkage, Complete Linkage, dan Average Linkage. Vol 08, No. 3. Buletin Ilmiah Math, Stat, dan Terapannya (Bimaster).
BPS. 2021. Statistik Indonesi dalam Infografis (Statistical Yearbook of Indonesia in Infografhics). Jakarta: Badan Pusat Statistika.
