PENERAPAN ANALISIS KLASTER METODE AVERAGE LINKAGE DALAM PENGELOMPOKKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR PENDIDIKAN TAHUN 2020

Cesario, Rd (2021) PENERAPAN ANALISIS KLASTER METODE AVERAGE LINKAGE DALAM PENGELOMPOKKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR PENDIDIKAN TAHUN 2020. S1 thesis, Matematika.

[img] Text
Skripsi Full Teks Raden.pdf
Restricted to Repository staff only
Download (2MB)
[img] Text
cover raden-dikonversi.pdf
Download (56kB)
[img] Text
Halaman Pengesahan Raden.pdf
Download (253kB)
[img] Text
Abstrak-dikonversi.pdf
Download (127kB)
[img] Text
BAB 1-dikonversi.pdf
Download (130kB)
[img] Text
BAB 5-dikonversi.pdf
Download (102kB)
[img] Text
DAFTAR PUSTAKA-dikonversi.pdf
Download (101kB)

Abstract

ABSTRAK Rendahnya kualitas pendidikan di Indonesia merupakan suatu permasalahan yang harus diselesaikan oleh pemerintah bersama dengan masyarakat. Pengaruh buruk yang ditimbulkan akibat rendahnya kualitas pendidikan di Indonesia adalah rendahnya produktivitas dan rendahnya daya saing, lalu akan berdampak pula pada tingginya tingkat konflik dan kriminalitas di masyarakat. Permasalahan kualitas pendidikan ini harus segera diatasi oleh pemerintah dalam bentuk program pendidikan yang diberikan kepada masyarakat. Pemberian program ini harus disesuaikan dengan kondisi yang diperlukan oleh setiap daerah di Indonesia. Hal ini dikarenakan setiap daerah memiliki penyebab rendahnya kualitas pendidikan yang berbeda dengan daerah lainnya, sehingga memerlukan program yang tidak sama dengan daerah lainnya. Oleh karena itu, dibutuhkan sakala prioritas yang berbeda pada tiap daerah di Indonesia dalam pemberian bantuan program pemerataan kualitas pendidikan. Skala prioritas pada tiap daerah di Indonesia berdasarkan kualitas pendidikan dapat ditentukan berdasarkan kesamaan kualitas pendidikan rakyat dengan menggunakan suatu metode matematika di bidang statistika yaitu analisis klaster yang berhubungan dengan pengklasifikasian. Penelitian ini bertujuan untuk menginterpretasikan hasil pengelompokan provinsi di Indonesia berdasarkan indikator pendidikan. Objek yang akan digunakan pada penelitian ini adalah 34 provinsi di Indonesia dan akan dikelompokkan berdasarkan 20 variabel yang berkaitan dengan kualitas pendidikan di Indonesia. Pengelompokan dilakukan dengan menggunakan Metode Hierarki, prosedur pengelompokkan Aglomerasi dengan teknik Pautan Rata-rata (Average Linkage) dan ukuran Jarak Kuadrat Euclidean. Berdasarkan algoritma pengklasteran yang dilakukan diperoleh hasil bahwa dari 34 provinsi di Indonesia terkelompok ke dalam 5 klaster yaitu Klaster 1 terdiri dari 28 anggota diantaranya yaitu Provinsi (1) Aceh; (2) Sumatera Utara; (3) Sumatera Barat; (4) Riau; (5) Jambi; (6) Sumatera Selatan; (7) Bengkulu; (8)Lampung; (9) Kep.Bangka Belitung; (10) Kep.Riau; (11) Banten; (12) Bali ;(13) Nusa Tenggara Barat; (14) Nusa Tenggara Timur; (15) Kalimantan Barat; (16) Kalimantan Tengah; (17) Kalimantan Selatan; (18) Kalimantan Timur; (19) Kalimantan Utara;(20) Sulawesi Utara; (21) Sulawesi Tengah; (22) Sulawesi Selatan; (23) SulawesiTenggara; dan (24) Gorontalo; (25) Sulawesi Barat; (26) Maluku; (27) Maluku Utara; dan (28) Papua Barat. Klaster 2 terdiri dari 1 anggota yaitu Provinsi DKI Jakarta. Klaster 3 terdiri dari 3 anggota yaitu (1) Jawa Barat; (2) JawaTengah; (3) Jawa Timur. Klaster 4 terdiri dari 1 anggota yaitu Provinsi DI Yogyakarta. Klaster 5 terdiri dari 1 anggota yaitu Provinsi Papua. Berdasarkan hasil analisa data, maka terdapat kemiripan variabel yang membedakan setiap klaster yang terbetuk. Klaster pertama memiliki kemiripan untuk kualitas variabel Angka Partisipasi Kasar SMA/MA/SMK yang berkategori sangat baik. Selain itu provinsi yang berada di klaster pertama juga memiliki kemiripan beberapa variabel yang berkategori cukup baik yaitu Angka Partisipasi Kasar SMP/MTs, Angka Partisipasi Murni SMA/MA/SMK, Angka Partisipasi Sekolah SMA/MA/SMK dan Angka Partisipasi Sekolah Perguruan Tinggi. Kemudian provinsi yang berada di klaster pertama juga memiliki kemiripan variabel yang terkategori baik yaitu Angka Partisipasi Kasar SD/MI, Angka Partisipasi Kasar Perguruan Tinggi, Angka Partisipasi Murni SMP/MTs, Angka Partisipasi Sekolah SMP/MTs, Lama Sekolah, Angka Putus Sekolah SMP/MTs dan Angka Putus Sekolah SMA/MA/SMK. Selain itu provinsi yang berada di klaster pertama ini juga memiliki kemiripan variabel yang terkategori cukup baik yaitu Angka Partisipasi Kasar PAUD, Angka Partisipasi Murni SD/MI, Angka Partisipasi Sekolah SD/MI, Persentase Penduduk Buta Huruf, Persentase Penduduk Melek Huruf, Persentase Pengangguran, Angka Putus Sekolah SD/MI dan Persentase Melek Teknologi. Provinsi yang berada pada klaster kedua memiliki kemiripan pada variabel Angka Partisipasi Kasar SD/MI yang terkategori sangat baik. Lalu provinsi yang berada pada klaster kedua memiliki kemiripan pada beberapa variabel yang terkategori baik yaitu Angka Partisipasi Kasar PAUD, Angka Partisipasi Kasar SMA/MA/SMK, Angka Partisipasi Murni SD/MI, Angka Partisipasi Murni SD/MI, Angka Partisipasi Sekolah SD/MI, Persentase Penduduk Buta Huruf, Persentase Penduduk Melek Huruf, Angka Putus Sekolah SD/MI dan Persentase Melek Teknologi. Kemudian provinsi yang berada pada klaster kedua juga memiliki kemiripan pada beberapa variabel yang terkategori cukup baik yaitu Angka Partisipasi Kasar SMP/MTs, Angka Partisipasi Kasar Perguruan Tinggi, Angka Partisipasi Murni SMP/MTs, Angka Partisipasi Murni SMA/MA/SMK, Angka Partisipasi Sekolah SMP/MTs, Angka Partisipasi Sekolah SMA/MA/SMK, Angka Partisipasi Sekolah Perguruan Tinggi, Lama Sekolah, Angka Putus Sekolah SMP/MTs dan Angka Putus Sekolah SMA/MA/SMK. Selain itu terdapat pula kemiripan salah satu variabel pada provinsi yang berada di klaster kedua sebatas kategori kurang baik, yaitu Persentase Pengangguran. Provinsi yang berada pada klaster ketiga memiliki kemiripan pada variabel Persentase Penduduk Melek Huruf, Lama Sekolah, Angka Putus Sekolah SD/MI dan Angka Putus Sekolah SMP/MTs yang terkategori sangat baik. Lalu terdapat pula kemiripan variabel yang terkategori lebih baik yaitu Angka Partisipasi Kasar PAUD, Angka Partisipasi Kasar Perguruan Tinggi, Angka Partisipasi Murni SD/MI, Angka Partisipasi Murni SMP/MTs, Angka Partisipasi Sekolah SD/MI, Angka Partisipasi Sekolah SMP/MTs, Persentase Penduduk Buta Huruf, Persentase Pengangguran dan Persentase Melek Teknologi. Selain itu terdapat pula kemiripan variabel terkategori baik pada tiap provinsi yang berada pada klaster ketiga yaitu Angka Partisipasi Kasar SMP/MTs, Angka Partisipasi Murni SMA/MA/SMK, Angka Partisipasi Sekolah SMA/MA/SMK dan Angka Partisipasi Sekolah Perguruan Tinggi. Lalu terdapat pula kemiripan pada salah satu variabel yang terkategori cukup baik pada klaster keytiga, yaitu Angka Partisipasi Kasar SD/MI dan Angka Partisipasi Kasar SMA/MA/SMK. Selain itu terdapat pula kemiripan variabel yang terkategori kurang baik pada setiap provinsi yang berada pada klaster ketiga, yaitu Angka Partisipasi Sekolah PSMA/MA/SMK. Provinsi yang berada pada klaster keempat memiliki kemiripan pada beberapa klaster terkategori lebih baik yaitu Angka Partisipasi Kasar SD/MI, Angka Partisipasi Kasar SMA/MA/SMK, Persentase Penduduk Melek Huruf, Lama Sekolah, Angka Putus Sekolah SD/MI dan Angka Putus Sekolah SP/MTs. Selain variabel yang terkategori lebih baik, variabel yang digunakan pada penelitian ini terkategori sangat baik untuk provinsi yang berada pada klaster keempat. Sedangkan pada klaster kelima terdapat kemiripan variabel terkategori lebih baik untuk setiap provinsi yang berada pada klaster kelima, yaitu Angka Putus Sekolah SMP/MTs. Lalu provinsi yang berada pada klaster kelima memiliki kemiripan va riabel terkategori baik, yaitu persentase pengangguran. Selain variabel yang telah disebutkan, variabel yang digunakan pada penelitian ini terkategori kurang baik untuk provinsi yang berada pada klaster kelima. Selanjutnya berdasarkan hasil perbandingan nilai rata-rata masing-masing klaster, maka kelima klaster tersebut diurutkan berdasarkan tingkatannya yaitu klaster 4 sebagai klaster sangat baik, klaster 2 sebagai klaster lebih baik, klaster 3 sebagai klaster baik, klaster 1 sebagai klaster cukup baik dan klaster 5 sebagai klaster kurang baik.

Type: Thesis (S1)
Subjects: L Education > L Education (General)
Divisions: Fakultas Sains dan Teknologi > Matematika
Depositing User: CESARIO
Date Deposited: 24 Nov 2021 04:24
Last Modified: 24 Nov 2021 04:24
URI: https://repository.unja.ac.id/id/eprint/27846

Actions (login required)

View Item View Item
Repository Unja is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.