Integrasi k means clustering dalam usia muda Not Employment.
Education.
Equilibrium Equilibrium:Jurnal : Jurnal Ilmiah Ilmiah Ekonomi Ekonomi danPembelajarannya P-ISSN:
P-ISSN:
Training (NEET) di Indonesia (Septian.
Tersedia Tersedia di http://e-journal.
id/index.
php/equilibrium/index di http://e-journal.
id/index.
php/equilibrium/index E-ISSN:
E-ISSN:
Integrasi k means clustering dalam analisis ekonomi pada penduduk usia muda Not Employment.
Education.
Or Training (NEET) di Indonesia Reni Eka Septiani .
Fauziah Eka Permadani.
Maulida Dewi Pangestika.
, .
Universitas Tidar.
Indonesia, reniekaseptiani@untidar.
Universitas Negeri Semarang.
Indonesia Abstrak Potensi dan produktivitas usia muda berkontribusi sebagai penggerak pembangunan ekonomi.
Perhatian terhadap penduduk usia muda terutama dengan kategori NEET menjadi prioritas dalam pembangunan ekonomi.
Penelitian ini menerapkan pendekatan deskriptif kuantitatif yang bertujuan untuk memberikan gambaran kondisi NEET di Indonesia melalui studi literatur dan pemetaan dengan metode K-means clustering dan divisualisasikan secara spasial dengan alat bantu ArcGIS 10.
Data yang digunakan untuk menganalisis ialah data dari Badan Pusat Statistik (BPS), terkait data penduduk usia muda kategori NEET tahun 2021-2024 pada 38 provinsi Indonesia.
Faktor yang memberikan pengaruh terhadap jumlah NEET usia muda salah satunya adalah stereotip pada gender perempuan yang sering dianggap memegang peranan utama sebagai pengasuh dan pekerja di sektor informal.
Pendidikan rendah juga turut serta menyumbang angka NEET usia muda.
Berdasarkan hasil pemetaan, wilayah penelitian terbagi menjadi 3 klaster.
Daerah klaster 1 merupakan daerah dengan persentase usia muda kategori NEET tertinggi yang terdiri dari 10 provinsi.
Sementara itu, terdapat 22 provinsi yang berada pada klaster 2, dan 6 provinsi yang termasuk dalam klaster 3.
Rekomendasi kebijakan yang dapat diterapkan adalah program pelatihan, magang, maupun pembuatan inkubator bisnis secara merata hingga pelosok daerah.
Kata kunci: usia muda.
NEET.
K-means clustering Diterima.
24-07-2025 Accepted 11-08-2025.
Diterbitkan 13-08-2025 Integration of K Means Clustering in Economic Analysis of Young People with Not Employment.
Education, or Training (NEET) in Indonesia Abstract The potential and productivity of young people contribute as drivers of economic development.
Attention to the young population, especially the NEET category, is a priority in economic This study applies a quantitative descriptive approach that aims to provide an overview of the NEET conditions in Indonesia through literature studies and mapping using the K-means clustering method and visualized spatially using the ArcGIS 10.
8 tool.
The data used for analysis is data from the Central Statistics Agency (BPS), related to data on the young population in the NEET category for 2021-2024 in 38 provinces in Indonesia.
One of the factors that influences the number of young NEETs is the stereotype of the female gender, which is often considered to play a primary role as a caregiver and worker in the informal sector.
Low education also contributes to the number of young NEETs.
Based on the mapping results, the research area is divided into 3 clusters.
Cluster 1 is the area with the highest percentage of young people in the NEET category, consisting of 10 provinces.
Meanwhile, there are 22 provinces in cluster 2, and 6 provinces in cluster 3.
Policy recommendations that can be implemented are training programs, internships, and the creation of business incubators evenly to remote areas.
Keywords: young age.
NEET.
K-means clustering Received .
24-07-2025 Accepted 11-08-2025.
Published 13-08-2025 Jurnal Equilbrium: Jurnal Ekonomi dan Pembelajarannya | 48 Vol 13 no 02 Hal 48-56 Integrasi k means clustering dalam analisis ekonomi pada penduduk usia muda Not Employment.
Education.
Or Training (NEET) di Indonesia (Septian.
PENDAHULUAN India.
China, dan Amerika Serikat adalah negara dengan populasi terbanyak di dunia sedangkan Indonesia menempati posisi setelahnya, yaitu di peringkat empat.
Populasi Indonesia yang banyak ini mengindikasikan bahwa Indonesia sedang mengalami bonus demografi.
Kondisi tersebut ditandai dengan dominasi penduduk oleh kelompok usia produktif.
Jumlah penduduk usia produktif yang banyak menjadi modal dalam pembangunan ekonomi, namun dapat menjadi beban bagi negara jika modal manusia untuk pembangunan tersebut tidak berkualitas.
Hal ini menimbulkan banyak problematika terkait dengan pengangguran dan kemiskinan.
Berdasarkan data pada gambar 1, jumlah penduduk usia muda 15-24 tahun kategori not employment, education, and training (NEET) pada tahun 2021 menunjukkan posisi Indonesia berada pada peringkat atas diantara negara ASEAN lainnya dengan persentase 22,5% (World Bank, 2.
Gambar 1.
Usia Muda Kategori Not Employment.
Education, and Training (NEET) Sumber: World Bank .
Pada tahun 2021.
BPS mencatat jumlah penduduk Indonesia usia 15-24 tahun berkisar 44,7 juta penduduk, yang artinya 22,5% dari jumlah tersebut atau sebanyak 10 juta penduduk usia muda berada dalam kategori NEET (BPS, 2.
Hal ini menjadi isu strategis negara, dikarenakan penduduk usia muda merupakan sumber daya manusia potensial yang mempengaruhi berbagai aspek pembangunan ekonomi dan menentukan perekonomian negara saat ini dan di masa mendatang.
Isu tersebut jika tidak tertangani akan menjadi problematika yang menimbulkan efek domino, mulai dari pengangguran, produktivitas nasional menurun, hingga mengarah pada tingkat kriminalitas.
Perhatian terhadap penekanan tingkat NEET menjadi prioritas dikarenakan penekanan tersebut memberikan eksternalitas positif.
Peluang negara menghasilkan pertumbuhan ekonomi dan keuntungan menjadi lebih besar.
Mereka berkontribusi dalam pembangunan manusia.
Pengurangan pemuda NEET tersebut juga merupakan target yang harus dicapai negara untuk mewujudkan agenda 2030 pembangunan berkelanjutan (ILO.
Pengurangan tersebut berkaitan dengan program SDGs poin 8 yang memberikan arahan bagi setiap negara untuk mendayagunakan sumber daya produktif secara penuh Jurnal Equilbrium: Jurnal Ekonomi dan Pembelajarannya | 49 Vol 13 no 02 Hal 48-56 Integrasi k means clustering dalam analisis ekonomi pada penduduk usia muda Not Employment.
Education.
Or Training (NEET) di Indonesia (Septian.
melalui penyediaan pekerjaan yang layak untuk semua dalam rangka mewujudkan pembangunan berkelanjutan.
Program pengurangan NEET dapat dilakukan dengan menetapkan prioritas penanganan melalui pemetaan untuk mengidentifikasi wilayahwilayah yang rentan.
METODE
Studi ini dilakukan dengan menggunakan pendekatan deskriptif kuantitatif.
Pendekatan ini mengkombinasikan metode deskriptif analisis ekonomi studi literatur, metode kuantitatif pemetaan K-means clustering, dan metode spasial.
Metode klasterisasi Kmeans dibuat pertama kali oleh Mac Queen pada tahun 1967.
Konsep utama metode ini adalah menentukan titik pusat .
dan mengaitkan setiap titik pusat .
dengan klaster terdekat.
Klasterisasi K-means digunakan untuk mengelompokkan daerah provinsi di Indonesia berdasarkan tingkat usia muda dengan kategori NEET (Not Employment.
Education, and Trainin.
Pemetaan ini bertujuan untuk mengklasifikasikan daerah provinsi di Indonesia dengan kategori tingkat NEET tinggi, sedang, dan rendah.
Proses dalam pengolahan data untuk pemetaan, dilakukan melalui tahapan sistematis yang digambarkan pada gambar 2 sebagai berikut:
Gambar 2.
Flowchart K-means Clustering Sumber: Et-Taleby et al.
Jurnal Equilbrium: Jurnal Ekonomi dan Pembelajarannya | 50 Vol 13 no 02 Hal 48-56 Integrasi k means clustering dalam analisis ekonomi pada penduduk usia muda Not Employment.
Education.
Or Training (NEET) di Indonesia (Septian.
Berdasarkan flowchart diatas maka pengolahan data dengan K-means dapat ditempuh melalui langkah-langkah berikut ini:
Menetapkan akan ada berapa klaster dan titik pusat .
dalam analisis data Menghitung jarak antara titik pusat dengan objek menggunakan rumus berikut:
d (Xi,C.
d (Xi.
= Jarak data i ke centroid j = Data ke i = Centroid Mengelompokkan data ke dalam setiap klaster berdasarkan jarak terdekat.
Selanjutnya mengulangi kembali pembagian data ke setiap klaster dengan membuat centroid baru yang dibentuk dari perhitungan nilai rata-rata data setiap klaster yang sudah terbentuk pada tahap 3 Mengulangi langkah 2 dan 3 sampai data tidak berpindah klaster (Et-Taleby et al.
Wahyuni & Saepudin, 2.
Data yang digunakan pada penelitian ini merupakan jenis data sekunder.
Data
terkait persentase usia muda dengan kategori NEET diperoleh dari Badan Pusat Statistik
(BPS)
PEMBAHASAN
Penyebab penduduk usia muda NEET Penduduk usia muda kategori NEET terdiri dari penduduk rentan dan tidak rentan.
European Foundation dalam Samoilenko & Carter .
membagi kategori NEET dalam 5 kelompok, diantaranya pengangguran konvensional, kelompok AuunavailableAy, kelompok AudisengagedAy, para pencari peluang, dan NEET sukarela.
Kelompok AuunavailableAy, ialah kelompok ini terdiri dari pemuda yang sakit atau disabilitas, individu yang bertanggung jawab menjaga keluarga dirumah atau mengasuh.
Kelompok AudisengagedAy diartikan sebagai kelompok yang tidak mencari pendidikan maupun pekerjaan bukan karena ada kewajiban dalam keluarga ataupun tidak mampu, namun lebih mengarah pada putus asa dan anti sosial.
Para pencari peluang yakni kelompok yang aktif mencari pekerjaan maupun pelatihan, namun mereka sangat selektif, hanya memilih yang sesuai dengan minat jangka panjang mereka.
NEET sukarela atau bisa juga diartikan sebagai kelompok yang tidak bekerja atau sekolah secara formal, namun mereka aktif berkegiatan lain seperti bepergian, seni, musik, maupun belajar Indonesia merupakan negara dengan tingkat pemuda NEET paling tinggi diantara negara ASEAN lainnya.
Hal ini didukung dengan data dalam gambar 3 yang menyajikan data jumlah penduduk usia muda kategori NEET di Indonesia.
Jurnal Equilbrium: Jurnal Ekonomi dan Pembelajarannya | 51 Vol 13 no 02 Hal 48-56 Integrasi k means clustering dalam analisis ekonomi pada penduduk usia muda Not Employment.
Education.
Or Training (NEET) di Indonesia (Septian.
Gambar 3.
Persentase usia muda Not Employment.
Education, and Training (NEET) Sumber: BPS .
Berdasarkan gambar 3, persentase usia muda NEET mengalami tren menurun.
Penurunan tersebut menjadi capaian positif yang harus terus berlanjut.
Kenaikan terjadi dari tahun 2021 ke tahun 2022 sebanyak 0,82%.
Kenaikan tersebut kemudian terhenti sebab persentase usia muda NEET tahun 2023 dan 2024 menurun.
Pada tahun 2024, sebanyak kurang lebih 9 juta pemuda berada pada kategori NEET.
Faktor resiko yang menjadi penyebab pemuda NEET menurut Abayasekara & Gunasekara .
diantaranya kaum perempuan lebih rentan terhadap NEET, pendidikan yang rendah, kurang dalam kemampuan berbahasa inggris, memiliki latar belakang keluarga berpenghasilan rendah, memiliki anak kecil, dan tinggal di daerah yang sulit dijangkau.
Lebih jauh.
Yang, .
memberikan analisis bahwa perempuan rentan NEET adalah perempuan yang sudah menikah dan perempuan migran dikarenakan mereka cenderung tinggal di rumah atau menjadi ibu rumah tangga.
Secara global, jumlah NEET laki-laki masih lebih sedikit dari perempuan.
Hal ini nampak dari perbandingan NEET di negara berkembang yang memperlihatkan bahwa empat dari setiap lima penduduk usia muda kategori NEET adalah perempuan (ILO, 2.
Stereotip terhadap gender perempuan sangat kuat dengan menganggap perempuan memiliki peran utama sebagai pengasuh atau pekerja informal saja (Quintano et al.
, 2.
Pendidikan turut memegang peran penting dalam menentukan tingkat pemuda NEET.
Angka NEET tinggi terjadi pada kaum muda yang berpendidikan rendah, mereka yang berpendidikan rendah, biasanya berasal dari orang tua yang memiliki pendidikan rendah (Quintano et al.
, 2.
Dampak Ekonomi penduduk usia muda NEET Penelitian tahun 2016 menghasilkan temuan penduduk usia muda yang pernah NEET mengalami kecenderungan bekerja dengan posisi rendah pada 20 tahun mendatang (Ralston et al.
, 2.
Terdapat korelasi positif antara tingkat NEET dan kemiskinan (Jianu, 2.
Mereka tidak memiliki penghasilan yang memadai untuk melangsungkan hidup, sehingga masuk dalam lingkaran kemiskinan.
Jumlah penduduk dengan kategori NEET yang semakin bertambah, mempengaruhi pertumbuhan ekonomi suatu negara.
Jurnal Equilbrium: Jurnal Ekonomi dan Pembelajarannya | 52 Vol 13 no 02 Hal 48-56 Integrasi k means clustering dalam analisis ekonomi pada penduduk usia muda Not Employment.
Education.
Or Training (NEET) di Indonesia (Septian.
Produktivitas negara tidak optimal dan kesejahteraan penduduk suatu negara terganggu (Quintano et al.
, 2.
Klasterisasi (Pemetaa.
Data yang digunakan sebagai objek klasterisasi diperoleh dari Badan Pusat Statistik (BPS).
Data persentase usia muda dengan kategori NEET dari tahun 2021-2024 dibuat rata-rata kemudian diklasterisasi dengan metode K-means.
Berdasarkan hasil penghitungan K-means yang dilakukan dengan diawali penentuan 3 kategori klaster yakni tinggi, sedang.
Tahap selanjutnya menentukan titik pusat .
dari persentase penduduk muda NEET untuk setiap klaster, kemudian menghitung jarak objek ke centroid, lalu mengelompokkan data berdasarkan jarak minimum.
Tahap terakhir merupakan penentuan apabila klaster tidak berubah maka, pemetaan.
Namun, apabila klaster berubah, maka proses pemetaan diulang dari awal yakni penentuan titik pusat.
Pemetaan ini bertujuan untuk memudahkan identifikasi dan analisis distribusi tingkat usia muda kategori NEET di seluruh wilayah Indonesia.
Pemetaan wilayah berdasarkan persentase usia muda NEET terbagi menjadi 3 klaster.
Klaster 1 merupakan wilayah dengan tingkat usia muda NEET tertinggi.
Klaster 2 merupakan wilayah dengan tingkat usia muda NEET tertinggi kedua, dan klaster 3 merupakan wilayah dengan tingkat usia muda NEET terendah.
Rincian klasterisasi dapat dilihat pada tabel berikut:
Tabel 1.
Hasil klasterisasi wilayah berdasarkan Persentase usia muda Not Employment.
Education, and Training (NEET) Klaster 1 Klaster 2 Klaster 3 Aceh Kalimantan Utara Kep.
Riau Jawa Barat Sumatera Utara DKI Jakarta Banten Sumatera Barat DI Yogyakarta Sulawesi Utara Riau Bali Gorontalo Jambi Papua Pegunungan Maluku Bengkulu Nusa Tenggara Timur Maluku Utara Lampung Papua Barat Kep.
Bangka Belitung Papua Barat Daya Jawa Tengah Papua Tengah Jawa Timur Nusa Tenggara Barat Kalimantan Barat Kalimantan Selatan Kalimantan Timur Sumatera Selatan Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Sulawesi Barat Jurnal Equilbrium: Jurnal Ekonomi dan Pembelajarannya | 53 Vol 13 no 02 Hal 48-56 Integrasi k means clustering dalam analisis ekonomi pada penduduk usia muda Not Employment.
Education.
Or Training (NEET) di Indonesia (Septian.
Klaster 1 Klaster 2 Klaster 3 Papua Kalimantan Tengah Papua Selatan Sumber: Output Klasterisasi .
Berdasarkan hasil pemetaan, klaster 1 mencakup 10 provinsi, klaster 2 terdiri atas 22 provinsi, dan klaster 3 mencakup 6 provinsi.
Selanjutnya, hasil tersebut divisualisasikan melalui peta sebaran tingkat NEET pada usia muda tahun 2021-2024.
Gambar 4.
Peta distribusi tingkat NEET pada usia muda tahun 2021-2024 Sumber: Perhitungan penulis menggunakan ArcGIS 10.
Berdasarkan gambar 4, klaster 1 merupakan klaster dengan tingkat NEET rata rata tertinggi pada tahun 2021-2024.
Wilayah yang berada pada klaster 1 ditunjukkan pada peta dengan warna hijau tua.
Rata-rata persentase usia muda dengan kategori NEET klaster 1 adalah 27,76%.
Tingkat persentase usia muda dengan kategori NEET tertinggi pada klaster 1 terdapat pada provinsi Papua Tengah dengan persentase 31,20%, diikuti oleh Maluku sebesar 31,09%.
Tingkat persentase usia muda dengan kategori NEET terendah pada klaster 1 ditempati oleh provinsi Papua Barat Daya sebesar 25,04%.
Klaster 2 merupakan klaster wilayah dengan tingkat persentase usia muda kategori NEET rata-rata tertinggi kedua pada tahun 2021-2024.
Wilayah pada klaster 2 ditunjukkan pada gambar dengan warna hijau.
Rata rata tingkat persentase usia muda dengan kategori NEET klaster 2 adalah 21,73%.
Persentase usia muda dengan kategori NEET tertinggi berada di provinsi Sumatera Selatan sebesar 24,36%.
Persentase usia muda dengan kategori NEET terendah pada klaster 2 ditempati oleh provinsi Kalimantan Utara sebesar 18,78%.
Jurnal Equilbrium: Jurnal Ekonomi dan Pembelajarannya | 54 Vol 13 no 02 Hal 48-56 Integrasi k means clustering dalam analisis ekonomi pada penduduk usia muda Not Employment.
Education.
Or Training (NEET) di Indonesia (Septian.
Klaster 3 merupakan klaster wilayah dengan persentase usia muda kategori NEET rata-rata terendah pada tahun 2021-2024.
Wilayah pada klaster 3 ditunjukkan pada gambar dengan warna hijau muda.
Rata rata persentase usia muda dengan kategori NEET klaster 3 adalah 15,12%.
Tingkat NEET tertinggi pada klaster 3 yakni 18,24% di Nusa Tenggara Timur, sedangkan tingkat NEET terendah berada di provinsi DI Yogyakarta sebesar 10,67%.
SIMPULAN
Faktor yang berperan menaikkan angka persentase penduduk usia muda dengan kategori NEET berdasarkan hasil studi literatur ditemukan yakni faktor gender dan Stereotip terhadap gender perempuan bahwa mereka memiliki peran sebagai pengasuh ataupun pekerja informal, mengakibatkan NEET perempuan tidak sebanding dengan kaum laki-laki sebab NEET perempuan lebih tinggi.
Mereka yang masuk dalam kategori NEET, juga disebabkan karena tingkat pendidikan yang rendah.
Pendidikan yang rendah ini lebih sering terjadi pada penduduk usia muda yang orang tuanya menempuh pendidikan yang rendah juga.
Hasil klasterisasi terbagi menjadi 3 yakni klaster 1 terdiri dari provinsi dengan tingkat NEET tertinggi, klaster 2 terdiri dari provinsi dengan tingkat NEET tertinggi setelahnya, dan klaster 3 terdiri dari provinsi dengan tingkat NEET terendah.
Hasil tersebut divisualisasikan dalam peta sebaran usia muda NEET tahun 2021-2024 di Indonesia.
Penelitian ini memiliki keterbatasan yakni faktor yang dianalisis yang mempengaruhi persentase tingkat NEET, yaitu gender dan pendidikan, berdasarkan hasil studi literatur.
Faktor-faktor lain yang mungkin berpengaruh, seperti kondisi ekonomi keluarga, akses terhadap lapangan kerja, atau faktor sosial budaya lain, belum dijadikan fokus dalam analisis.
Visualisasi peta sebaran memberikan gambaran spasial, namun tidak memperlihatkan faktor penyebab spesifik di setiap provinsi secara detail.
Peneliti berikutnya dapat mengeksplorasi kualitas pendidikan dan akses ke pendidikan yang berkualitas sebagai faktor yang berpengaruh, tidak hanya tingkat pendidikan formal, sehingga dapat memberikan pemahaman lebih lengkap mengenai keterkaitan pendidikan dan NEET.
Berkaitan dengan masalah NEET pada usia muda ini, diperlukan sinergi yang kuat antara pemerintah dan masyarakat secara menyeluruh.
Pemerintah dapat mengembangkan program prioritas penurunan jumlah NEET pada usia muda dengan memberikan program pelatihan, magang, maupun pembuatan inkubator bisnis secara merata hingga pelosok daerah.
Hal ini didasarkan hasil pemetaan klaster 1 didominasi wilayah Indonesia timur.
Jurnal Equilbrium: Jurnal Ekonomi dan Pembelajarannya | 55 Vol 13 no 02 Hal 48-56 Integrasi k means clustering dalam analisis ekonomi pada penduduk usia muda Not Employment.
Education.
Or Training (NEET) di Indonesia (Septian.
DAFTAR PUSTAKA