Analisis Ketimpangan Kemiskinan di Provinsi Jawa Tengah dengan Metode Agglomerative Hierarchical Clustering
Analysis of Poverty Inequality in Central Java Province using the Agglomerative Hierarchical Clustering Method
DOI:
https://doi.org/10.21831/pspmm.v10i2.342Keywords:
Agglomerative Hierarchy Clustering, Analisis Cluster, KemiskinanAbstract
Jawa Tengah merupakan provinsi paling miskin yang kedua di Jawa setelah Daerah Istimewa Yogyakarta. Provinsi ini juga memiliki Upah Minimum Provinsi (UMP) terendah di Indonesia, yaitu sebesar Rp1.958.169 pada tahun 2023. Kemiskinan yang tinggi ini erat kaitannya dengan tingginya angka pengangguran yang berdampak pada tingginya kriminalitas dan rendahnya produktivitas. Angka pengangguran yang tinggi ini disebabkan karena rendahnya pendidikan, keahlian, dan lapangan kerja yang terbatas. Hal ini tentunya akan menghambat perputaran roda perekonomian di Indonesia sehingga dalam usaha pengentasan kemiskinan diperlukan pengelompokan tingkat kemiskinan provinsi di Jawa Tengah untuk mengetahui kabupaten/kota yang layak mendapatkan prioritas penanganan. Pada penelitian ini dilakukan analisis menggunakan kota/kabupaten di Jawa Tengah serta indikator kemiskinan yaitu Garis Kemiskinan (GK), Persentase Penduduk Miskin (PPM), Indeks Keparahan Kemiskinan (P2), Indeks Kedalaman Kemiskinan (P1), Distribusi Pengeluaran Berdasarkan Kriteria Bank Dunia (40% bawah), Jumlah Pengangguran, Rata-Rata Lama Sekolah (RLS), dan Harapan Lama Sekolah (HLS). Pengelompokan yang dilakukan dalam penelitian ini menggunakan metode analisis Agglomerative Hierarchical Clustering (AHC). Dalam penelitian ini, metode pengelompokan AHC dilakukan menggunakan metode single linkage, metode complete linkage, dan metode average linkage. Analisis cluster ini ditujukan untuk mengelompokkan kota/kabupaten yang paling mirip sifatnya dengan kota/kabupaten lain yang terletak dalam cluster yang sama. Hasil analisis menunjukkan bahwa ada dua cluster yang berbeda berdasarkan tingkat kemiskinan, yaitu cluster 1 merupakan tingkat tinggi sebanyak 31 kabupaten/kota dan cluster 2 merupakan tingkat rendah sebanyak 4 kota. Untuk menurunkan angka kemiskinan di cluster 1, pemerintah dan pihak berwenang setempat perlu menyebarkan dan mensosialisasikan program kesejahteraan sosial dan pendidikan, menyediakan sarana dan prasarana pendidikan yang memadai, serta memperluas lapangan pekerjaan dan pelatihan.
References
Portal Berita Pemerintah Provinsi Jawa Tengah, “BPS Catat Jumlah Penduduk Miskin di Jateng Turun 66,73 Ribu Jiwa,” 2023. Acessed: Jan. 4, 2024. [Online]. Available: https://jatengprov.go.id/publik/bps-catat-jumlah-penduduk-miskin-di-jateng-turun-6673-ribu-jiwa/
BPS, “Persentase Penduduk Miskin Menurut Provinsi (Persen), 2021-2023,” https://jatim.bps.go.id/indicator/23/344/1/persentase-penduduk-miskin-menurut-provinsi-.html, 2023.
BPS, “Kemiskinan dan Ketimpangan Provinsi Jawa Tengah,” https://jateng.bps.go.id/subject/23/kemiskinan-dan-ketimpangan.html#subjekViewTab1
BPS, “Kemiskinan 2021-2023,” https://jateng.bps.go.id/indicator/23/34/1/kemiskinan.html, 2023.
Satudata Kemenaker, “Upah Minimum Provinsi Tahun 2023,” https://satudata.kemnaker.go.id/infografik/52, 2023.
D. Lam and D. C. Wunsch, “Clustering,” Academic Press Library in Signal Processing: Vol. 1, Signal Processing Theory and Machine Learning, vol. 1, pp. 1115 - 1149, Elsevier, Jan 2014.
P. Praveen, M. R. Kumar, M. A. Shaik, R. Ravikumar, and R. Kiran, “The comparative study on agglomerative hierarchical clustering using numerical data,” IOP Conference Series: Materials Science and Engineering, vol. 981, no. 2, 2022.
B. Everitt and T. Hothorn, “An Introduction to Applied Multivariate Analysis with R (Use R),” 2011. [Online]. Available: http://www.springer.com/series/6991
K. Vehkalahti and B. S. Everit, Multivariate Analysis for the Behavioral Sciences Second Edition, 2nd ed. Oxfordshire: Taykor & Francis Group, 2019.
I. N. L. Fitriana, “Pengelompokan Provinsi di Indonesia Berdasarkan Indikator Keluarga Sehat Menggunakan Metode Klaster Hirarki dan Non Hirarki,” Jurnal Paradigma: Jurnal Multidisipliner Mahasiswa Pascasarjana Indonesia, vol. 2, no. 1, pp. 27-36, Jun. 2021, doi: 10.22146/jpmmpi.v2i1.66072.
A. Nugraha, M. H. Asnawi, P. F. Rahmah, and T. Purwandari, “Analisis Klaster Hirarki untuk Mengelompokan Provinsi di Indonesia berdasarkan Indikator Kesejahteraan Rakyat,” E-Prosiding Seminar Nasional Statistika | Departemen Statistika FMIPA Universitas Padjadjaran, vol. 10, Dec. 2021, doi: 10.1234/pns.v10i.84.
A. Kassambara, Practical Guide to Cluster Analysis in R: Unsupervised Machine Learning (Multivariate Analysis), 1st ed. California: CreateSpace Independent Publishing Platform, 2017.
R. A. Johnson and D. W. Wichern, Applied multivariate statistical analysis.
F. J. Gravetter and L. B. Wallnau, Statistics for the Behavioral Sciences, 10th ed. Boston: Cengage Learning, 2015.
G. James, D. Witten, T. Hastie, and R. Tibshirani, An Introduction to Statistical Learning, New York: Springer Texts in Statistics, 2017.
T. Tullis and B. Albert, Measuring the User Experience, 2nd ed. Dutch: ScienceDirect, 2013.
P. J. Hewson, Multivariate Statistics with R, 2009.
BPS, “Rata-Rata Lama Sekolah, 2021 - 2023,” https://sulbar.bps.go.id/indicator/26/35/1/rata-rata-lama-sekolah.html, 2023.
BPS, “Harapan Lama Sekolah, 2021 -2023,” https://sulbar.bps.go.id/indicator/26/32/1/harapan-lama-sekolah.html, 2023.
N. Rahminawati, “Strategi Peningkatan Harapan Lama Sekolah (HLS) dan Rata-Rata Lama Sekolah (RLS),” Jurnal Pendidikan Islam, vol. 12, no. 2, pp. 367-382, November 2023, doi: 10.29313/tjpi.v12i2.12852.
“Penduduk Miskin Turun Terbanyak Nasional, Ini Jurus Pemprov Jateng,” jatengprov.go.id, July. 2022. Acessed: Feb. 4, 2024. [Online] Available: https://jatengprov.go.id/publik/penduduk-miskin-turun-terbanyak-nasional-ini-jurus-pemprov-jateng/
S.Kurniawan, “Wali Kota Salatiga launching Program Puskesos,” Elshinta, Feb. 2024. Accesed: Feb. 27, 2024. [Online]. Available: https://elshinta.com/news/261580/2022/03/07/wali-kota-salatiga-launching-program-puskesos%C2%A0
F. A. Ramadhanty, “Inovasi Penanggulangan Kemiskinan Berbasis Teknologi Informasi (Studi Kasus: Aplikasi Simnangkis KISSME (Kolom Informasi Kesejahteraan Sosial Masyarakat secara Elektronik) di Kota Magelang),” S.Sos, Skripsi, Ilmu Administrasi Negara, Universitas Tidar, Magelang, Indonesia, 2020.
A.Rahmawati, “Evaluasi Program Gerdu Kempling sebagai Upaya Penanggulangan Kemiskinan di Kota Semarang (Studi Kasus: Kelurahan Palebon Kecamatan Pedurungan),” Jurnal Sawala, vol. 6, no. 1, pp 1-14, June. 2018, https://doi.org/10.30656/sawala.v6i1.546.
A. Saputra, “Pemkot Surakarta Bentuk TPKK untuk Data Warga Miskin,” Republika, Aug. 2016. Accesed: Feb. 27, 2024. [Online]. Available: https://news.republika.co.id/berita/obdht9280/pemkot-surakarta-bentuk-tpkk-untuk-data-warga-miskin
S. N. Mayasari and J. Nugraha, “Implementasi K-Means Cluster Analysis untuk Mengelompokkan Kabupaten/Kota Berdasarkan Data Kemiskinan di Provinsi Jawa Tengah Tahun 2022,” KONSTELASI: Konvergensi Teknologi dan Sistem Informasi, vol. 3, no. 2, pp. 317-329, Dec. 2023, doi: 10.24002/konstelasi.v3i2.7200.
Y. E. H. Turnip and R. Fitriana, “Clustering Kabupaten Berdasarkan Luas Hutan Menggunakan Metode K-Means di Provinsi Jawa Tengah,” Jurnal Teknologi Industri Pertanian, vol. 33, no. 1, pp. 1-9, May. 2023, doi: 10.24961/j.tek.ind.pert.2023.33.1.1.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
