Pengelompokkan Kemiskinan di Provinsi Jawa Timur Menggunakan Fuzzy Geographycally Weighted Clustering

Anisa Anisa; Tony Yulianto; Kuzairi Kuzairi; Faisol Faisol

doi:10.31102/zeta.2024.9.2.105-114

Anisa Anisa Universitas Islam Madura
Tony Yulianto Universitas Islam Madura
Kuzairi Kuzairi Universitas Islam Madura
Faisol Faisol Universitas Islam Madura

DOI: https://doi.org/10.31102/zeta.2024.9.2.105-114

Keywords: Fuzzy Geographically Weighted Clustering, Kemiskinan, Pengelompokan

Abstract

Masalah kemiskinan menjadi isu global yang menarik untuk dibahas karena berdampak pada kondisi sosial ekonomi, pendidikan, kesehatan, maupun stabilitas politik suatu wilayah. Berdasarkan data Badan Pusat Statistik (BPS), jumlah penduduk miskin di Provinsi Jawa Timur sebanyak 4,19 juta orang pada Maret 2023 mengalami penurunan sebanyak 47,7 ribu orang dari September 2022. Namun Jawa Timur masih menjadi Provinsi dengan jumlah penduduk miskin tertinggi di Indonesia. Upaya yang dapat dilakukan dalam pengentasan kemiskinan yaitu mengetahui daerah dengan tingkat kemiskinan tertinggi, sedang atau rendah di Provinsi Jawa Timur dengan cara mengelompokkan Kabupaten/Kota berdasarkan indikator kemiskinan. Dalam penelitian ini pengelompokan Kabupaten/Kota berdasarkan indikator kemiskinan dilakukan dengan mempertimbangkan efek geografis menggunakan metode Fuzzy Geographically Weighted Clustering (FGWC). Hasil Penelitian diperoleh 3 cluster yang optimum dengan karakteristik cluster yang berbeda berdasarkan indikator kemiskinan. Cluster 1 dengan kemiskinan rendah, cluster 2 dengan kemiskinan sedang dan cluster 3 dengan kemiskinan tinggi.

Downloads

Download data is not yet available.

References

Akbar, F. D., & Priana, W. (2023). Pengaruhpengeluaranpemerintahdaerah,Pertumbuhanekonomi, Dan Upah Minimum Terhadap Kemiskinan Diprovinsijawabarat. Jurnal Randai, 3(2), 2723-4657.

Alfianto, D. B., Istiyani, N., & Priyono, T. H. (2019). Faktor-Faktor Yang Mempengaruhi Tingkat Kemiskinan di Provinsi Jawa Timur. e-Journal Ekonomi Bisnis dan Akuntansi, VI (1), 85-90. https://doi.org/10.19184/ejeba.v6i1.11108

Alvin , A., & Hukom, A. (2023). Faktor – Faktor Yang Mempengaruhi Kemiskinan Di Provinsi Kalimantan Tengah Tahun 2013-2022. Jurnal Ekonomi Manajemen Akuntansi, 29(1), 85-96.

Badan Pusat Statistik Jawa Timur. (2023). Badan Pusat Statistik Jawa Timur. Dipetik Oktober Rabu, 2023, dari https://jatim.bps.go.id/pressrelease/2023/07/17/1381/persentase-penduduk-miskin-maret-2023-turun-menjadi-10-35-persen.html

Bimantara, S., & Widiartha, . (2023). Optimization Of K-Means Clustering Using Particle Swarm Optimization Algorithm For Groupingtraveler Reviews Data On Tripadvisor Sites. Jurnal Ilmiah Kursor, 12(1), 1 - 10. https://doi.org/10.21107/kursor.v12i01.269

Dinas Sosial Kabupaten Buleleng. (2016). Dinas Sosial Kabupaten Buleleng. Dipetik Oktober Kamis, 2023, dari https://dinsos.bulelengkab.go.id/informasi/detail/artikel/artikel-masalah-sosial-tentang-kemiskinan-93

Efiyah, U. (2014). Penerapan algoritma fuzzy c-means untuk pengelompokkan harga gabah di tingkat penggiling berdasarkan kualitas gabah. Malang: Jurusan matematika, Fakultas Sains dan teknologi universitas islam negeri maulana malik ibrahim malang.

Ghufron, , Surarso, B., & Gernowo, R. (2020). Implementation Of K-Medoids Clustering For High Education Accreditation Data. Jurnal Ilmiah Kursor, 10(3), 119-128. https://doi.org/10.21107/kursor.v10i3.232

Hadi, B. S. (2017). Pendekatan Modified Particle Swarm Optimization Dan Artificial Bee Colony Pada Fuzzy Geographically Weighted Clustering (Studi Kasus pada Faktor Stunting Balita di Provinsi Jawa Timur). Surabaya Jurusan Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya: Program Magister.

Haryati, A. E., Sugiyarto, , & Putri, R. D. (2021). Comparison Of Fuzzy Subtractive Clustering And Fuzzy C-Means. Jurnal Ilmiah Kursor, 11(1), 1 - 8. https://doi.org/10.21107/kursor.v11i1.254

Hilmi, Marumu, M. N., Ramlawati, & Peuru, C. D. (2022). Pengaruh Jumlah Penduduk Dan Pengangguran Terhadap Tingkat Kemiskinan Di Kabupaten Tolitoli. Jurnal Ilmiah Ekonomi Pembangunan, 1(1), 2621-3842.

Kementerian Keuangan Republik Indonesia. (2023). Kementerian Keuangan Republik Indonesia. Dipetik Oktober Rabu, 2023, dari https://www.kemenkeu.go.id/informasi-publik/publikasi/berita-utama/Angka-Kemiskinan-Semakin-Turun

Maliku, E. T., Rais, & Fajri, M. (2022). Pengelompokan Kabupaten/Kota Di Provinsi Sulawesi Tengah Berdasarkan Indikator Pembangunan Ekonomi Menggunakan Fuzzy Geographically Weighted Clustering . Jurnal Ilmiah Matematika dan Terapan, 19(1), 130 - 143. https://doi.org/10.22487/2540766X.2022.v19.i1.15868

Mokoagow, M. I., & Mardiana, A. (2023). Dampak Pengangguran Terhadap Pertumbuhan Ekonomi Di Provinsi Gorontalo. Edunomika, 8(1).

Nadifan, F. I. (2022). Pengelompokkan Kabupaten/Kota Provinsi Jawa Barat Berdasarkan Faktor Terjadinya Stunting Tahun 2018 menggunakan Context based-Fussy Geographcally Weihted Clustering-Particle Swarm Optimization (CFWC-PSO) dengan Linear Decreasing Ineritia Weght. Bandung Jawa Barat: Universitas Pendidikan Indonesia.

Novitasari, P., & Arovah, I. (2023). Penerapan Metode Clustering Average Linkage Untuk Mengelompokkan Kabupaten/Kota Di Provinsi Sumatera Utara Berdasarkan Indikator Kemiskinan. Journal Unirou, 5(1), 22 – 27. https://doi.org/10.55719/mv.v5i1.604

Nugroho, A. S., Nur, I. M., & Haris, M. A. (2021). Analisis Clustering Dengan Fuzzy Geographically Weighted Clustering (Fgwc) Pada Indikator Indeks Pembangunan Manusia Di Indonesia. Jurnal Statistika Universitas Islam Muhammadiyah Semarang, 2(1), 27-36.

Pangiuk, A. (2018). Pengaruh Pertumbuhan Ekonomi Terhadap Penurunan Kemiskinan Di Provinsi Jambi Tahun 2009-2013. ltizam Journal Of Shariah Economic Research, 2(2). https://doi.org/10.30631/iltizam.v2i2.160

Prayoga, M. L., Muchtolifah, & Sishadiyant. (2021). Faktor Kemiskinan Di Kabupaten Sidoarjo. Jambura Economic Education Journal, 3(2), 2656-4378 . https://doi.org/10.37479/jeej.v3i2.11058

Pribadi, A. (2023). Merauke.go.id. Dipetik Oktober Kamis, 2023, dari https://portal.merauke.go.id/news/6793/dampak-kemiskinan-mempengaruhi-banyak-hal.html#:~:text=Sedikitnya%20ada%20enam%20dampak%20kemiskinan,terjadi%20di%20masyarakat%20akan%20bermunculan.

Priseptian, L., & Primandhana, W. P. (2022). Analisis faktor-faktor yang mempengaruhi kemiskinan. Forum Ekonomi, 24 (1), 45-53.

Rifa, A. L., & Waluyo, A. (2023). Pengaruh Tenaga Kerja, Indeks Pembangunan Manusia dan Upah Minimum terhadap Kemiskinan dengan Zakat sebagai Variabel Moderasi di Provinsi Jawa Tengah Tahun 2017-2020. Jurnal Ilmu Ekonomi, Manajemen dan Akuntansi;, 12(2), 2580-0043.

Sachrrial, R. H., & Iskandar, A. (2023). Analisa Perbandingan Complate Linkage AHC danK-MedoidsDalamPengelompokkan Data Kemiskinan di Indonesia. Building of Informatics, Technology and Science , 5(2), 2685-3310. https://doi.org/10.47065/bits.v5i2.4310

Sinaga, M., Damanik, S. W., Zalukhu, R. S., Hutauruk, R. P., & Collyn, D. (2023). Pengaruh Pendidikan, Pendapatan Per Kapita Dan Pengangguran Terhadap Kemiskinan Di Kepulauan Nias. Jurnal Ekonomi Pembangunan, 5(1), 2614 -7181.

Sulasih, S., Novandari, W., & Findianingnsih, A. (2023). Dampak Pengangguran, Pendidikan dan Inflasi Terhadap Kemiskinan di Indonesia Periode Tahun 2014-2020. Disclosure: Journal of Accounting and Finance, 3(1), 1–21. https://doi.org/10.29240/disclosure.v3i1.6522

Suripto, & Subayil, L. (2020). Pengaruh Tingkat Pendidkan, Pengangguran, Pertumbuhanekonomi Dan Indeks Pembangunan Manusia Terhadap Kemiskinandi D.I.Yogyakartapriode 2010-2017. Jurnal Ilmiah Ekonomi Pembangunan, 1(2), 2716-2443.

Wicaksono, S. P., & Hutajulu, D. M. (2023). Analisis Faktor-Faktor Yang Mempengaruhi Kemiskinan Di Indonesia Tahun 1999 – 2020. Transekonomika, 3(2), 2809-6851.

Widodo, E., Ermayani, P., Laila, L. N., & Madani, A. T. (2021). Pengelompokkan Provinsi di Indonesia Berdasarkan Tingkat Kemiskinan Menggunakan Analisis HierarchicalAgglomerativeClustering. Seminar Nasional Official Statistics 2021.

Yuliyanti, R. (2009). Penentuan Ukuran Contoh Optimum Desain Two Stage Cluster Sampling (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar). J. Sains MIPA, 15(1), 66 - 70 .

Article Metrics

Abstract view : 40 times