Mutiara Jurnal Ilmiah Multidisiplin Indonesia Vol.
No.
Oktober 2024 e-ISSN 3025-1028 Available at: https://jurnal.
tiga-mutiara.
com/index.
php/jimi/index Analisis Cluster Kabupaten/Kota di Jawa Timur Berdasarkan Faktor Kesejahteraan Masyarakat Tahun 2023 Rindy Retno Prihastari1.
Salsabila Aulia Azizah2.
Sri Pingit Wulandari3
1,2,3
Institut Teknologi Sepuluh Nopember E-mail: 2043221021@student.
2043221067@student.
sri_pingit@statistika.
Abstract East Java Province is a region with significant economic contribution in Indonesia, occupying the third position nationally with a contribution of 14.
However, despite its rapid economic growth.
East Java still faces welfare challenges, especially in terms of poverty which is still relatively high compared to other provinces on the island of Java.
The poverty rate in East Java is on a downward trend, but it still remains above the national This condition indicates an imbalance in the welfare of the community in the East Java region.
Welfare is measured based on the ability of the community to meet decent, healthy, and productive basic needs, with the Human Development Index (HDI) as one of the main indicators.
HDI can measure human development achievements based on several basic components of quality of life, including the education dimension, the age and health dimension, and the standard of decent living.
Therefore, the government needs to group regions with appropriate characteristics to make it easier to make policies.
One of the statistical analyses that can be used in this study is cluster analysis.
The results of this study are that East Java Province in 2023 shows a diversity of welfare indicators, such as TPT.
HDI, and AHH, reflecting differences in economic, educational, and health conditions between regions.
The cluster method with the best assessment in this study is the K-Means method with five clusters.
The characteristics in clusters I and II tend to have low welfare, while clusters i.
IV, and V show better welfare.
The results of this study show a change in the number of clusters compared to previous research conducted by Muhammad Fikry Al Farizi et al.
The previous study produced four clusters using the average linkage Keywords: Community Welfare Factors.
Hierarchical Cluster.
Non-Hierarchical Cluster.
Abstrak Provinsi Jawa Timur merupakan wilayah dengan kontribusi ekonomi signifikan di Indonesia, menempati posisi ketiga secara nasional dengan sumbangan sebesar 14,26%.
Namun, di balik pertumbuhan ekonominya yang pesat.
Jawa Timur masih menghadapi tantangan kesejahteraan, terutama dalam hal kemiskinan yang masih relatif tinggi dibandingkan provinsi lain di Pulau Jawa.
Tingkat kemiskinan di Jawa Timur mengalami tren penurunan, tetapi masih tetap berada di atas rata-rata nasional.
Kondisi ini mengindikasikan ketidakseimbangan kesejahteraan masyarakat di wilayah Jawa Timur.
Kesejahteraan diukur berdasarkan kemampuan masyarakat dalam memenuhi kebutuhan dasar yang layak, sehat, dan produktif, dengan Indeks Pembangunan Manusia (IPM) sebagai Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
220 Mutiara: Jurnal Ilmiah Multidisiplin Indonesia.
Vol.
No.
Oktober 2024 salah satu indikator utama.
IPM dapat mengukur capaian pembangunan manusia berdasarkan beberapa komponen dasar kualitas hidup, meliputi dimensi pendidikan dengan, dimensi usia dan kesehatan, serta standar kehidupan layak.
Oleh karena itu, pemerintah perlu mengelompokkan wilayah-wilayah dengan karakteristik yang sesuai untuk memudahkan membuat kebijakan.
Salah satu analisis statistik yang dapat digunakan dalam penelitian ini adalah analisis cluster.
Hasil dari penelitian ini adalah Provinsi Jawa Timur tahun 2023 menunjukkan keragaman indikator kesejahteraan, seperti TPT.
IPM, dan AHH, mencerminkan perbedaan kondisi ekonomi, pendidikan, dan kesehatan antar wilayah.
Metode cluster dengan penilaian terbaik dalam penelitian ini adalah metode K-Means dengan lima cluster.
Karakteristik pada cluster I dan II memiliki kesejahteraan yang cenderung rendah, sedangkan cluster i.
IV, dan V menunjukkan kesejahteraan yang lebih Hasil dari penelitian ini menunjukkan adanya perubahan jumlah cluster dibandingkan dengan penelitian sebelumnya yang dilakukan Muhammad Fikry Al Farizi et al.
Penelitian sebelumnya menghasilkan empat cluster dengan menggunakan metode average Kata-kata Kunci: Cluster Hierarki.
Cluster Non Hierarki.
Faktor Kesejahteraan Masyarakat.
PENDAHULUAN
Provinsi Jawa Timur merupakan provinsi paling luas di Pulau Jawa sekaligus sebagai provinsi yang memiliki jumlah penduduk paling banyak nomor dua di Indonesia.
Hal tersebut menjadikan Provinsi Jawa Timur memiliki pertumbuhan ekonomi yang signifikan daripada pertumbuhan ekonomi di provinsi lain yang ada di Indonesia.
1 Badan Pusat Statistika pada laporan perekonomian Indonesia tahun 2023 menyebutkan Provinsi Jawa Timur berada di urutan ke tiga dalam kontribusi perekonomian nasional sebesar 14,26%.
Namun, di balik pertumbuhan ekonominya.
Jawa Timur masih menghadapi berbagai tantangan dalam hal kesejahteraan masyarakat, salah satu tantangannya adalah kemiskinan.
Pada beberapa tahun terakhir, kondisi kemiskinan di Provinsi Jawa Timur dapat ditunjukkan pada gambar di bawah ini.
Maretha Berlianantiya.
AuPertumbuhan Ekonomi dan Ketimpangan Pembangunan Ekonomi antar Wilayah Kebijakan Pembangunan di Provinsi Jawa Timur,Ay Equilibrium: Jurnal Ilmiah Ekonomi dan Pembelajarannya .
163Ae171, https://ejournal.
id/index.
php/equilibrium/article/view/1544.
Direktorat Analisis dan Pengembangan Statistik.
AuIndeks Pembangunan Manusia 2023,Ay Badan Pusat Statistik, https://w.
id/id/publication/2024/05/13/8f77e73a66a6f484c655985a/indeks-pembangunanmanusia-2023.
Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
221 Rindy Retno Prihastari.
Salsabila Aulia Azizah.
Sri Pingit Wulandari:
Analisis Cluster Kabupaten/Kota di Jawa Timur Berdasarkan Faktor Kesejahteraan Masyarakat Tahun 2023 Gambar 1.
Persentase Kemiskinan Berdasarkan grafik di atas, persentase kemiskinan di Provinsi Jawa Timur mengalami penurunan pada setiap tahunnya.
Namun, tingkat kemiskinan di Jawa Timur masih di atas dari rata-rata tingkat kemiskinan nasional, yaitu sebesar 9,03%.
Jawa Timur juga berada di posisi tertinggi ketiga terkait persentase tingkat kemiskinan di antara provinsi lainnya di Pulau Jawa.
3 Tingkat kemiskinan yang relatif tinggi dibandingkan provinsi lain di Pulau Jawa ini menunjukkan bahwa kesejahteraan belum merata di seluruh wilayah Jawa Timur.
Kesejahteraan merupakan indikator yang menentukan suatu individu maupun kelompok masyarakat tertentu berada pada kondisi yang sejahtera atau tidak.
4 Kesejahteraan menjadi tujuan dari seluruh individu, keluarga, hingga suatu wilayah.
Kesejahteraan menunjukkan kemampuan suatu keluarga dalam memenuhi semua kebutuhan agar bisa hidup layak, sehat, dan produktif.
Menurut data BPS, penduduk yang tinggal di bawah garis kemiskinan masih sekitar 28 juta orang atau 10,8%.
5 Hal tersebut membuat masyarakat membutuhkan suatu indikator untuk mengukur kesejahteraan.
Menurut badan program pembangunan PBB (UNDP).
Indeks Pembangunan Manusia (IPM) dapat digunakan sebagai indikator keberhasilan pembangunan dan kesejahteraan suatu negara.
IPM dapat mengukur capaian pembangunan manusia berdasarkan beberapa komponen dasar kualitas hidup.
Komponen tersebut meliputi dimensi pendidikan dengan indikator harapan lama sekolah dan Ema Dian Ristika.
Wiwin Priana Primandhana, dan Mohammad Wahed.
AuAnalisis Pengaruh Jumlah Penduduk.
Tingkat Pengangguran Terbuka dan Indeks Pembangunan Manusia terhadap Tingkat Kemiskinan di Provinsi Jawa Timur,Ay Eksis: Jurnal Ilmiah Ekonomi dan Bisnis 12, no.
: 129Ae136, https://eksis.
id/index.
php/EKSIS/article/view/254.
Sultan.
Heffi Christya Rahayu, dan Purwiyanta.
AuAnalisis Kesejahteraan Masyarakat terhadap Pertumbuhan Ekonomi di Indonesia,Ay Jurnal Informatika Ekonomi Bisnis 5, no.
: 77Ae85, https://w.
org/index.
php/infeb/article/view/198.
Rizki Afri Mulia dan Nika Saputra.
AuAnalisis Faktor-faktor yang Mempengaruhi Kesejahteraan Masyarakat Kota Padang,Ay Jurnal El-Riyasah 11, no.
: 67Ae83, https://ejournal.
id/index.
php/elriyasah/article/view/10069.
Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
222 Mutiara: Jurnal Ilmiah Multidisiplin Indonesia.
Vol.
No.
Oktober 2024 rata-rata lama sekolah, dimensi usia dan kesehatan dengan indikator harapan hidup saat lahir, serta standar kehidupan layak dengan indikator pengeluaran per kapita.
Penelitian ini bertujuan untuk menganalisis berbagai variabel yang diduga berkontribusi sebagai faktor-faktor dari kesejahteraan masyarakat di Provinsi Jawa Timur.
Terdapat 8 faktor yang diduga memengaruhi kesejahteraan masyarakat di Provinsi Jawa Timur, yaitu tingkat pengangguran terbuka, indeks pembangunan manusia, persentase rumah tempat tinggal masih berlantai tanah, persentase penduduk miskin, tingkat partisipasi angkatan kerja, angka harapan hidup, garis kemiskinan, dan rata-rata latar belakang Mengingat banyaknya faktor pendugaan kesejahteraan masyarakat, analisis cluster dapat digunakan sebagai analisis yang tepat untuk mengelompokkan data dari berbagai wilayah.
Analisis cluster merupakan teknik analisis yang mengelompokkan obyek dalam beberapa kelompok berdasarkan kesamaan sifat sehingga setiap kelompok memiliki perbedaan sifat.
Pada analisis cluster, antar anggota dalam kelompok pada setiap kelompok bersifat homogen, sedangkan antar kelompok bersifat heterogen.
Jadi, wilayah-wilayah dengan kemiripan karakteristik kesejahteraan dapat dikelompokkan dalam satu cluster.
Analisis dilakukan melalui beberapa tahap, yaitu pengujian asumsi analisis cluster yang meliputi uji distribusi normal multivariat, penerapan analisis cluster dengan metode hierarki dan non hierarki, serta penentuan karakteristik data pada setiap cluster agar kesimpulan dan saran yang tepat dapat diberikan.
Hasil penelitian ini diharapkan dapat menjadi acuan bagi pemerintah setempat dalam mengidentifikasi wilayah-wilayah dengan tingkat persentase kesejahteraan terendah.
Hal ini akan mendukung penentuan prioritas dalam perencanaan dan pelaksanaan program pembangunan yang lebih tepat sasaran, sehingga mampu meningkatkan kesejahteraan masyarakat secara efektif berdasarkan indikator kesejahteraan yang relevan.
METODE PENIELITIAN
Pada penelitian ini digunakan metode penelitian dengan pendekatan kuantitatif.
Pendekatan kuantitatif merupakan metode penelitian yang digunakan untuk data berupa angka-angka kuantitatif yang dapat meramalkan kondisi populasi atau kecenderungan masa Hasil penelitian dengan pendekatan ini dapat dijadikan generalisasi berdasarkan hasil analisis statistik.
7 Pada penelitian ini, analisis statistik yang digunakan adalah analisis Direktorat Analisis dan Pengembangan Statistik.
AuIndeks Pembangunan Manusia 2023.
Ay Abd.
Mukhid.
Metodologi Penelitian Pendekatan Kuantitatif, ed.
Sri Rizqi Wahyningrum (Surabaya:
Jakad Media Publishing, 2.
Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
223 Rindy Retno Prihastari.
Salsabila Aulia Azizah.
Sri Pingit Wulandari:
Analisis Cluster Kabupaten/Kota di Jawa Timur Berdasarkan Faktor Kesejahteraan Masyarakat Tahun 2023 Analisis cluster merupakan metode secara unsupervised learning yang digunakan untuk mengelompokkan sekumpulan objek berdasarkan kesesuaaian karakteristik dalam Tujuan dari analisis adalah untuk mengelompokkan objek-objek sesuai dengan karakteristik dalam kelompok objek sehingga dapat diketahui ciri khas dari setiap kelompok.
Analisis cluster dibagi menjadi dua metode, yaitu metode hierarki dan non hierarki.
Metode hierarki .
ierarchical metho.
merupakan metode yang memulai pengelompokannya dari dua atau lebih objek dengan kesamaan yang paling dekat, selanjutnya dilakukan proses lanjutan ke objek lain yang memiliki kedekatan kedua.
Proses dilakukan seterusnya hingga diperoleh pengelompokan objek yang divisualisasikan dalam bentuk dendogram.
Metode ini dibagi menjadi dua metode pengelompokan, yaitu:
aglomerative atau penggabungan dan divisif atau pemisahan.
Metode agglomerative terdiri dari beberapa prosedur pengelompokan, yaitu single linkage, complete linkage, average linkage, dan metode ward.
9 Sedangkan, analisis cluster non hierarki dengan metode Kmeans merupakan metode cluster yang jumlah cluster yang digunakan akan ditentukan secara manual.
10 Cluster non hierarki adalah salah satu metode pengelompokan objek yang dikelompokkan ke dalam k kelompok yang telah ditentukan di awal.
Metode K-means merupakan salah satu metode pada cluster non hierarki yang mengelompokkan data ke dalam kelompok yang memiliki kesamaan karakteristik dimasukkan ke dalam satu kelompok yang sama.
Pada penelitian ini, dilakukan analisis cluster pada kabupaten/kota di Jawa Timur berdasarkan faktor-faktor kesejahteraan masyarakat.
Faktor-faktor tersebut terdiri dari TPT.
IPM, persentase rumah tangga dengan jenis lantai terluas bukan tanah.
TPAK.
AHH, garis kemiskinan, dan RLS.
Data yang digunakan merupakan data sekunder yang diperoleh dari Badan
Pusat
Statistik
(BPS)
https://jatim.
id/id/publication.
Jumlah data yang digunakan sebanyak 38 data pada setiap variabelnya.
Kemudian, data tersebut dianalisis menggunakan analisis cluster dengan tahapan sebagai berikut.
Rinald Parulian Butar Butar.
AuAnalisis Hierarchical dan Non-Hierarchical Clustering untuk Pengelompokkan Potensi Ekonomi Kelautan Indonesia 2021,Ay Justin: Jurnal Sistem dan Teknologi Informasi 11, no.
: 543Ae553, https://jurnal.
id/index.
php/justin/article/view/67283.
Arif Rachman et al.
Metode Penelitian Kunatitatif Kualitatif dan R&D (Karawang: CV.
Saba Jaya Publisher, 2.
Ali Baroroh.
Analisis Multivariat dan Time Series dengan SPSS 21 (Jakarta: Alex Media Komputindo, 2.
Imam Ghozali.
Aplikasi Analisis Multivariete dengan Program IBM SPSS 23.
Cetakan 8.
(Semarang: Badan Penerbit Universitas Diponegoro, 2.
Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
224 Mutiara: Jurnal Ilmiah Multidisiplin Indonesia.
Vol.
No.
Oktober 2024 Mendeskripsikan karakteristik faktor-faktor yang memengaruhi kesejahteraan masyarakat di Jawa Timur tahun 2023 Melakukan uji distribusi normal multivariat terhadap faktor-faktor yang memengaruhi kesejahteraan masyarakat di Jawa Timur tahun 2023.
Menentukan metode cluster yang akan digunakan terhadap faktor-faktor yang memengaruhi kesejahteraan masyarakat di Jawa Timur tahun 2023.
Melakukan standarisasi data untuk menyeragamkan satuan.
Melakukan analisis cluster hierarki dan non hierarki terhadap faktor-faktor yang memengaruhi kesejahteraan masyarakat di Jawa Timur tahun 2023.
Interpretasi hasil analisis.
Menarik kesimpulan dan saran.
HASIL DAN PEMBAHASAN
Karakteristik Data Analisis karakteristik faktor-faktor indikator kesejahteraan di Provinsi Jawa Timur tahun 2023 akan dianalisis menggunakan statistika deskriptif.
Pengolahan statistik deskriptif menunjukkan ukuran sampel yang diteliti, yaitu rata-rata .
, simpangan baku .
tandar devias.
, maksimum, dan minimum dari masing-masing variabel yang ditampilkan pada Tabel 1 sebagai berikut.
Tabel 1.
Statistika Deskriptif
Variabel
Mean Standar Deviasi Minimum Maksimum
TPT
4,663 1,429
1,71
8,05
IPM
73,68 5,054
64,13
83,450
Jenis Lantai Bukan Tanah 94,27 7,07 68,59 100,00 Penduduk miskin
10,29 4,321
3,31
21,760
TPAK
73,15 3,767
66,89
81,640
AHH
72,41 1,982
67,60
74,910
Garis Kemiskinan RLS
8,37
1,658
5,07
11,820
Berdasarkan Tabel 1, nilai minimum dan maksimum berbagai indikator kesejahteraan di Provinsi Jawa Timur pada tahun 2023 menunjukkan keragaman yang TPT terendah, 1,71, ditemukan di Kabupaten Sumenep, hal tersebut karena didominasi pada sektor pertanian yang menyerap banyak tenaga kerja.
Sementara yang tertinggi, 8,05 pada Kabupaten Sidoarjo yang disebabkan oleh tujuan migrasi pencari kerja.
IPM terendah 64,13 tercatat di Kabupaten Sampang akibat keterbatasan akses pendidikan Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
225 Rindy Retno Prihastari.
Salsabila Aulia Azizah.
Sri Pingit Wulandari:
Analisis Cluster Kabupaten/Kota di Jawa Timur Berdasarkan Faktor Kesejahteraan Masyarakat Tahun 2023 dan kesehatan, serta tertinggi sebesar 83,45 ada di Kota Surabaya yang memiliki akses lebih Jenis lantai bukan tanah terendah sebesar 68,59 yang ditemukan di Kabupaten Sumenep, karena pendapatan yang rendah sementara tertinggi sebesar 100 ada di Kabupaten Kediri, dengan kondisi ekonomi masyarakat yang lebih baik.
Penduduk miskin terendah sebesar 3,31 ada di Kota Batu, hal tersebut berkat sektor pariwisata, sementara tertinggi sebesar 21,76, ada di Kabupaten Sampang karena terbatasnya lapangan kerja formal.
TPAK
terendah sebesar 66,89 yang tercatat di Kabupaten Nganjuk akibat terbatasnya lapangan kerja, sedangkan tertinggi sebesar 81,64 yang ada di Kabupaten Pacitan dengan banyak lapangan kerja informal.
AHH terendah sebesar 67,6 ada di Kabupaten Bondowoso karena terbatasnya akses dan kualitas kesehatan, sementara tertinggi, 74,91 ada di Kabupaten Tulungagung berkat fasilitas kesehatan yang lebih baik.
Sumber penerangan listrik RLS terendah sebesar 5,07 ada di Kabupaten Sampang dan tertinggi sebesar 11,82 ada di Kabupaten Madiun karena akses pendidikan yang lebih memadai.
Data ini menunjukkan adanya variasi dalam faktor-faktor indikator kesejahteraan masyarakat di Provinsi Jawa Timur tahun 2023.
Pengujian Asumsi Normal Multivariat Pengujian asumsi normal multivariat indikator kesejahteraan masyarakat tahun 2023 menggunakan uji Tproporsi, yaitu sebagai berikut.
Hipotesis:
H0 : Data faktor-faktor indikator kesejahteraan masyarakat menurut kabupaten/kota di Provinsi Jawa Timur berdistribusi normal secara multivariat.
H1 : Data faktor-faktor indikator kesejahteraan masyarakat menurut kabupaten/kota di Provinsi Jawa Timur tidak berdistribusi normal secara multivariat.
Pada taraf signifikan 5%, memiliki daerah penolakan tolak H0 jika Tproporsi di luar rentang 45% O Tproporsi O 55%.
Berdasarkan pengujian didapatkan nilai Tproporsi sebesar 50%, yang mana nilai tersebut berada di dalam interval 45% O Tproporsi O 55% sehingga diperoleh keputusan gagal tolak H0 yang artinya faktor-faktor indikator kesejahteraan masyarakat di Provinsi Jawa Timur tahun 2023 berdistribusi normal multivariat.
Analisis Cluster Hasil analisis cluster pada faktor-faktor indikator kesejahteraan masyarakat di Provinsi Jawa Timur tahun 2023 dengam melakukan pemilihan cluster optimum, analisis cluster terpilih, daftar cluster, analisis karakteristik cluster, dan analisis pemetaan cluster yang terbentuk.
Analisis cluster tersebut sebagai berikut.
Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
226 Mutiara: Jurnal Ilmiah Multidisiplin Indonesia.
Vol.
No.
Oktober 2024 Squared Euclidean Distance Perhitungan dari squared euclidean distance antar kabupaten/kota di Provinsi Jawa Timur tahun 2023 berdasarkan faktor kesejahteraan masyarakat adalah sebagai berikut.
Tabel 2.
Squared Euclidean Distance Kabupaten/ Kota
Pacitan Ponorogo
Trenggalek
Blitar
Batu
Pacitan Ponorogo Trenggalek A Blitar
7,797
5,430
11,818
22,566
7,797
2,154
1,226
12,181
5,430
2,154
4,334
11,955
11,818
1,226
4,334
A Batu
22,566
12,181
11,955
Berdasarkan Tabel 2 dapat diketahui bahwa squared euclidean distance antar kabupaten/kota di Provinsi Jawa Timur berdasarkan indikator kesejahteraan masyarakat Ditunjukkan bahwa Kabupaten Blitar dengan Kabupaten Ponorogo memiliki squared euclidean distance terdekat, yaitu sebesar 1,226 sehingga dapat dipastikan bahwa Kabupaten Blitar dan Ponorogo akan menjadi satu cluster.
Pemilihan Cluster Optimum Pada penelitian ini, pengelompokan kabupaten/kota di Provinsi Jawa Timur berdasarkan faktor kesejahteraan masyarakat tahun 2023 dengan menggunakan metode single linkage dan metode K-means.
Single Linkage Pengelompokan kabupaten/kota di Provinsi Jawa Timur berdasarkan faktor kesejahteraan masyarakat tahun 2023 menggunakan metode single linkage disajikan pada gambar berikut.
Gambar 2.
Dendogram Single Linkage Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
227 Rindy Retno Prihastari.
Salsabila Aulia Azizah.
Sri Pingit Wulandari:
Analisis Cluster Kabupaten/Kota di Jawa Timur Berdasarkan Faktor Kesejahteraan Masyarakat Tahun 2023 Berdasarkan Gambar dapat diketahui bahwa pada metode single linkage jika kabupaten/kota di Provinsi Jawa timur dibagi menjadi 2 cluster maka cluster pertama akan diisi oleh Kabupaten Ngawi dan cluster kedua akan diisi oleh selain Kabupaten Ngawi.
Jika kabupaten/kota di Provinsi Jawa Timur dibagi menjadi 3 cluster maka pada cluster pertama akan diisi oleh Kabupaten Bojonegoro, cluster kedua akan diisi oleh Kabupaten Bangkalan, dan cluster ketiga akan diisi oleh kabupaten sisanya.
Jika kabupaten/kota dibagi menjadi 4 cluster maka pada cluster pertama akan diisi oleh kabupaten Bojonegoro.
Ngawi.
Sampang, cluster kedua akan diisi oleh kabupaten Bangkalan, cluster ketiga akan diisi oleh kabupaten Sumenep dan Pacitan, dan cluster keempat akan diisi oleh kabupaten/Kota sisanya di Provinsi Jawa timur .
K-Means Clustering Pengelompokan kabupaten/kota di Provinsi Jawa Timur berdasarkan faktor-faktor faktor kesejahteraan masyarakat tahun 2023 dengan menggunakan metode K-means disajikan pada tabel berikut.
Tabel 3.
Initial Cluster Center
Cluster
TPT
-0,230 -1,359
IPM
-0,56
-1,889
Persentase Jenis Lantai Bukan Tanah -3,632 -2,019 Penduduk Miskin
0,436 2,654
TPAK
0,300 0,101
AHH
0,0767 -1,905
Garis Kemiskinan -0,583 -0,372 RLS
-0,558 -1,993
Variabel
-0,1
0,89
0,635
-1,616
1,547
0,439
1,416
0,889
-0,119
0,00588
-0,327
0,138
-1,664
-0,0695
0,288
-0,081
1,467
1,933
0,765
-1,306
-1,175
1,176
2,588
1,401
Berdasarkan Tabel 3 dapat diketahui bahwa cluster 5 memiliki rata-rata yang tinggi untuk semua indikator kesejahteraan tahun 2023.
Sedangkan cluster 2 memiliki rata-rata yang rendah untuk semua indikator kesejahteraan tahun 2023.
Kemudian nilai initial cluster centers yang diperoleh digunakan untuk menentukan jarak antar objek dengan centroid.
Selanjutnya, dilakukan proses iterasi untuk menentukan kelima cluster yang disajikan pada Tabel 4 sebagai berikut.
Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
228 Mutiara: Jurnal Ilmiah Multidisiplin Indonesia.
Vol.
No.
Oktober 2024 Tabel 4.
Iteration History Variabel
1,419
0,000
0,000
0,000
Cluster
2,128 1,971 1,579
0,000 0,652 0,000
0,000 0,169 0,188
0,000 0,000 0,000
1,269
0,439
0,267
0,000
Berdasarkan Tabel 4, dapat diketahui bahwa terdapat empat kali proses iterasi yang diperlukan untuk membentuk lima cluster.
Kemudian dari proses iterasi yang telah dilakukan menghasilkan final cluster centers yang disajikan pada Tabel 5 berikut.
Tabel 5.
Final Cluster Center
Cluster
TPT
-0,595 -0,962
IPM
-0,486 -1,254
Persentase Jenis Lantai Bukan Tanah -2,460 -0,671 Penduduk Miskin
0,819 1,456
TPAK
-0,090 0,306
AHH
0,147 -1,517
Garis Kemiskinan -0,597 -0,239 RLS
-0,502 -1,285
Variabel
-0,137
0,073
0,391
-0,432
1,321
0,434
-0,416
0,096
0,183
-0,247
0,210
-0,071
-0,506
0,015
-0,538
-0,263
0,846
1,375
0,736
-0,933
-0,764
0,727
1,413
1,404
Berdasarkan Tabel 5 dapat diketahui bahwa dari final cluster center pada cluster 5 memiliki rata-rata nilai indikator kesejahteraan masyarakat tahun 2023 tertinggi dibandingkan dengan rata-rata indikator kesejahteraan masyarakat tahun 2023 pada cluster Untuk dapat memastikan apakah semua variabel yang digunakan memiliki pengaruh yang signifikan dalam pengelompokan menjadi cluster dapat ditampilkan pada tabel berikut.
Tabel 6.
ANOVA
Variabel
Cluster
3,626 4
7,362 4
6,977 4
6,563 4
5,679 4
5,613 4
6,007 4
7,725 4
Error
0,682
0,229
0,275
0,326
0,433
0,441
0,393
0,185
P-Value 5,320 32,161 25,327 20,150 13,132 12,731 15,280 41,785 0,002 0,000 0,000 0,000 0,000 0,000 0,000 0,000 Berdasarkan Tabel 6 terlihat bahwa semua variabel memiliki nilai P-value yang lebih kecil dari 0,05, artinya bahwa semua variabel berpengaruh signifikan terhadap Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
229 Rindy Retno Prihastari.
Salsabila Aulia Azizah.
Sri Pingit Wulandari:
Analisis Cluster Kabupaten/Kota di Jawa Timur Berdasarkan Faktor Kesejahteraan Masyarakat Tahun 2023 pengelompokan cluster kabupaten/kota di Provinsi Jawa Timur.
Kemudian, pengelompokan kabupaten/kota di Provinsi Jawa Timur berdasarkan indikator kesejahteraan masyarakat tahun 2023 menjadi lima cluster menggunakan metode K-means adalah sebagai berikut.
Tabel 7.
Jumlah Observasi Setiap Cluster Cluster Jumlah Observasi Berdasarkan Tabel 7 dapat diketahui bahwa terdapat tiga kabupaten/kota yang masuk ke dalam cluster 1, tujuh kabupaten/kota yang masuk ke dalam cluster 2, delapan kabupaten/kota yang masuk ke dalam cluster 3, 11 kabupaten/kota yang masuk ke dalam cluster 4, dan 9 kabupaten/kota yang masuk ke dalam cluster 5.
Cluster Berdasarkan Nilai Terbaik Pada penelitian ini, metode cluster yang terbaik untuk digunakan adalah sebagai Tabel 8.
Cluster Berdasarkan Nilai Terbaik Metode Jumlah Cluster Pseudo-F ICD Rate
1,056
0,971
0,601
0,967
Single Linkage 0,394 0,966 0,294 0,966 24,377 0,596 22,961 0,433 K-Means 18,639 0,378 16,199 0,337 Berdasarkan Tabel 8 dapat diketahui bahwa nilai Pseudo-F yang tertinggi terdapat pada metode K-means, yaitu sebesar 24,377.
Kemudian untuk melihat jumlah cluster optimum dapat dilihat dari nilai ICD Rate terendah, yaitu sebesar 0,337 sehingga metode dan cluster optimum yang dipilih untuk pengelompokan kabupaten/kota di Provinsi Jawa Timur berdasarkan kesejahteraan masyarakat tahun 2023 adalah metode K-means dengan jumlah cluster sebanyak 5.
Berdasarkan pemilihan cluster optimum didapatkan pembagian cluster berdasarkan kabupaten/kota di Provinsi Jawa Timur menurut hasil metode K-means adalah sebagai Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
230 Mutiara: Jurnal Ilmiah Multidisiplin Indonesia.
Vol.
No.
Oktober 2024 Tabel 9.
Cluster Berdasarkan Kabupaten/Kota Kabupaten/Kota Cluster Ngawi.
Bojonegoro.
Tuban Bondowoso.
Situbondo.
Probolinggo.
Bangkalan.
Sampang.
Pamekasan.
Sumenep Pacitan.
Ponorogo.
Trenggalek.
Tulungagung.
Magetan.
Kota Pasuruan.
Kota i Batu.
Banyuwangi Blitar.
Kediri.
Malang.
Lumajang.
Jember.
Pasuruan.
Mojokerto.
Jombang.
Nganjuk.
Madiun.
Lamongan Sidoarjo.
Gresik.
Kota Kediri.
Kota Blitar.
Kota Malang.
Kota Probolinggo.
Kota Mojokerto.
Kota Madiun.
Kota Surabaya Berdasarkan Tabel 9 dapat diketahui bahwa cluster I terdiri dari kabupaten Ngawi.
Bojonegoro.
Tuban.
Pada cluster II terdiri dari kabupaten Bondowoso.
Situbondo.
Probolinggo.
Bangkalan.
Sampang.
Pamekasan.
Sumenep.
Pada cluster i terdiri dari Pacitan.
Ponorogo.
Trenggalek.
Tulungagung.
Magetan.
Kota Pasuruan.
Kota Batu.
Banyuwangi.
Pada cluster IV terdiri dari Kabupaten Blitar.
Kediri.
Malang.
Lumajang.
Jember.
Pasuruan.
Mojokerto.
Pasuruan.
Mojokerto.
Jombang.
Nganjuk.
Madiun, dan Lamongan.
Sementara terakhir cluster V terdiri dari Kabupaten dari Sidoarjo.
Gresik.
Kota Kediri.
Kota Blitar.
Kota Malang.
Kota Probolinggo.
Kota Mojokerto.
Kota Madiun, dan Kota Surabaya.
Karakteristik Cluster Berikut disajikan karakteristik cluster menurut faktor-faktor indikator kesejahteraan masyarakat tahun 2023 di Provinsi Jawa Timur.
Tabel 10.
Karakteristik Cluster
Variabel
Cluster Mean
3,813
3,287
TPT
4,466
4,925
5,871
71,220
67,341
IPM
74,050
72,443
80,628
76,877
89,529
Persentase jenis lantai bukan tanah
97,041
95,760
99,482
Penduduk miskin
13,830
Maksimum Minimum
4,63
2,41
6,18
1,71
5,65
1,83
5,79
3,67
8,05
4,06
72,47
70,34
69,16
64,13
78,18
70,19
75,53
67,87
83,45
75,43
86,07
68,59
79,99
99,64
93,59
99,03
87,68
98,37
14,91
12,18
Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
231 Rindy Retno Prihastari.
Salsabila Aulia Azizah.
Sri Pingit Wulandari:
Analisis Cluster Kabupaten/Kota di Jawa Timur Berdasarkan Faktor Kesejahteraan Masyarakat
Tahun 2023
TPAK
AHH
Garis kemiskinan RLS
16,584
8,424
9,985
6,257
72,817
74,311
78,138
71,253
70,282
72,710
69,410
73,279
72,447
434739,66
466538,71
450838,12
439922,54
613729,11
7,543
6,243
8,535
7,939
10,703
21,76
13,65
12,42
10,96
74,73
78,86
81,64
75,08
72,47
74,91
74,34
7,78
7,15
9,85
9,11
11,82
3,31
8,69
4,26
69,43
69,48
66,89
67,58
72,36
71,38
70,03
70,99
5,07
7,76
6,52
9,56
Berdasarkan Tabel 10 dapat diketahui bahwa pada cluster I memiliki TPT.
IPM, persentase jenis lantai bukan tanah.
TPAK, garis kemiskinan, dan RLS yang rendah, namun AHH yang masih tergolong sedang dan penduduk miskin tergolong tinggi.
Pada cluster II memiliki TPT.
IPM, persentase jenis lantai bukan tanah.
AHH, dan RLS yang rendah, namun TPAK dan garis kemiskinan yang tergolong sedang dan penduduk miskin tergolong tinggi.
Pada cluster i memiliki TPT.
IPM, penduduk miskin.
TPAK, dan RLS yang tergolong sedang, namun garis kemiskinan yang tergolong rendah serta AHH yang tergolong tinggi.
Pada cluster IV memiliki TPT.
IPM, persentase jenis lantai bukan tanah, penduduk miskin.
TPAK.
AHH, dan RLS yang tergolong sedang, namun garis kemiskinan tergolong rendah.
Pada cluster V memiliki TPT.
IPM, persentase jenis lantai bukan tanah.
AHH, garis kemiskinan, dan RLS yang sangat tinggi, namun penduduk miskin dan TPAK tergolong Pemetaan Cluster Hasil pemetaan analisis cluster terpilih dan cluster yang terbentuk pada faktor-faktor yang memengaruhi kesejahteraan masyarakat di Jawa Timur tahun 2023 dapat disajikan dan dijelaskan pada Gambar 3 sebagai berikut.
Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
232 Mutiara: Jurnal Ilmiah Multidisiplin Indonesia.
Vol.
No.
Oktober 2024 Gambar 3.
Pemetaan Cluster Berdasarkan Gambar 3 menunjukkan peta Provinsi Jawa Timur yang dikelompokkan berdasarkan kabupaten/kota dengan kategori berdasarkan faktor-faktor kesejahteraan masyarakat pada tahun 2023 bahwa antar masing-masing anggota cluster memiliki tingkat persebaran kesejahteraan masyarakat yang berbeda, dikarenakan adanya variasi dalam faktor-faktor penentu kesejahteraan di tiap kabupaten/kota dan wilayah yang memiliki industri maju atau sektor pertanian yang produktif cenderung menunjukkan tingkat kesejahteraan yang lebih tinggi dibandingkan dengan wilayah yang terbatas pada sektor ekonomi subsisten.
Peta menggunakan skala warna gradasi dari warna paling terang hingga gelap, yang melambangkan tingkat kesejahteraan dari kategori 1 .
aling renda.
hingga 5 .
aling tingg.
Kabupaten/kota di Jawa Timur diberi warna sesuai kategori yang mencerminkan kondisi kesejahteraan di wilayah tersebut.
Hasil dari penelitian ini menunjukkan adanya perubahan jumlah cluster dibandingkan dengan penelitian sebelumnya yang dilakukan Muhammad Fikry Al Farizi et Penelitian sebelumnya menghasilkan empat cluster dengan menggunakan metode average linkage.
12 Perubahan ini dapat menunjukkan perbedaan karakteristik data yang dianalisis sehingga berpengaruh terhadap metode cluster yang digunakan.
Jumlah cluster yang bertambah dapat mengindikasikan metode K-means lebih terperinsi untuk mengidentifikasi pola data.
Muhammad Fikry Al Farizi et al.
AuPengelompokan Daerah di Jawa Timur Berbasis Indikator Kesejahteraan Masyarakat dengan Pendekatan Analisis Cluster Hierarki dan Nonhierarki,Ay Al-Farizi 6, no.
: 141Ae151.
Copyright A2024.
Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, e-ISSN 3025-1.
233 Rindy Retno Prihastari.
Salsabila Aulia Azizah.
Sri Pingit Wulandari:
Analisis Cluster Kabupaten/Kota di Jawa Timur Berdasarkan Faktor Kesejahteraan Masyarakat
Tahun 2023
KESIMPULAN
Berdasarkan hasil analisis dan pembahasan, penelitian ini menyimpulkan bahwa terdapat keragaman indikator kesejahteraan di kabupaten/kota Provinsi Jawa Timur pada Variasi ini terlihat dari perbedaan tingkat pengangguran terbuka (TPT).
Indeks Pembangunan Manusia (IPM), jenis lantai rumah, persentase penduduk miskin, tingkat partisipasi angkatan kerja (TPAK), angka harapan hidup (AHH), dan rata-rata lama sekolah (RLS).
Perbedaan ini mencerminkan kondisi ekonomi, akses terhadap pendidikan dan kesehatan, serta peluang kerja yang tidak merata di berbagai wilayah.
Analisis statistik menunjukkan bahwa data faktor-faktor kesejahteraan masyarakat di wilayah ini berdistribusi normal secara multivariat, memungkinkan pengelompokan lebih lanjut melalui analisis Hasil analisis cluster mengungkapkan bahwa semua variabel indikator kesejahteraan memiliki pengaruh signifikan terhadap pembentukan kelompok-kelompok wilayah.
Dengan menggunakan metode K-means, ditemukan bahwa jumlah cluster optimal adalah lima.
Cluster I dan II ditandai dengan indikator sosial-ekonomi yang relatif rendah serta tingginya persentase penduduk miskin, sedangkan cluster i.
IV, dan V menunjukkan kinerja yang lebih baik pada beberapa indikator.
Perbedaan signifikan terlihat pada garis kemiskinan dan angka harapan hidup, dengan wilayah-wilayah dalam cluster i.
IV, dan V cenderung memiliki kondisi sosial-ekonomi yang lebih stabil.
Temuan ini menegaskan pentingnya pendekatan berbasis data untuk memahami pola kesejahteraan masyarakat dan memberikan gambaran tentang prioritas pembangunan di berbagai kabupaten/kota di Jawa Timur.
Hasil penelitian ini diharapkan dapat menjadi referensi bagi pengambil kebijakan dalam merancang strategi pembangunan yang lebih inklusif dan berkelanjutan.
REFERENSI