KLASTERISASI DATA PENGANGGURAN DI PULAU JAWA MENGGUNAKAN ALGORITMA K-MEANS DALAM PENANGGULANGAN PENGANGGURAN TAHUN 2020-2023

Abstrak

-Pengangguran merupakan masalah utama dalam sektor perekonomian dan turut menimbulkan berbagai permasalahan sosial. Tingkat pengangguran ini muncul akibat dari ketidaksesuaian antara jumlah individu yang siap kerja dengan jumlah lapangan pekerjaan yang tersedia sehingga menimbulkan tantangan dalam penyerapan tenaga kerja. Penelitian ini bertujuan untuk mengidentifikasi dan mengelompokkan Kabupaten/kota di Pulau Jawa berdasarkan rata-rata Tingkat Pengangguran Terbuka (TPT) dan Tingkat Partisipasi Angkatan Kerja (TPAK) selama periode 2020-2023. Metode analisis yang digunakan adalah clustering dengan algoritma K-Means, dengan memanfaatkan data sekunder yang diolah berasal dari Badan Pusat Statistik (BPS) yang mencakup 119 Kabupaten/kota di enam provinsi di Pulau Jawa. Validasi jumlah klaster optimal dilakukan menggunakan Silhouette score, yang menunjukkan nilai tertinggi 0,55 menghasilkan dua klaster optimal. Hasil penelitian menunjukkan dua kelompok wilayah yang berbeda dalam karakteristik ketenagakerjaan. Klaster pertama terdiri dari 52 wilayah yang memiliki TPAK rendah dan TPT tinggi, mengindikasikan tantangan dalam penyerapan tenaga kerja yang lebih kompleks, terutama pada area urban atau pusat industri. Sebaliknya, klaster dua meliputi 67 wilayah yang memiliki TPAK tinggi dan TPT rendah, menunjukkan kondisi ketenagakerjaan yang relatif lebih stabil, seringkali di sektor pertanian atau pekerjaan informal. Analisis ini divisualisasikan menggunakan scatter plot dan boxplot untuk memperkuat interpretasi. Hasil klasterisasi ini diharapkan dapat menjadi acuan bagi pemerintah untuk menetapkan prioritas dan merumuskan kebijakan ketenagakerjaan yang lebih tepat sasaran sesuai dengan karakteristik masing-masing klaster wilayah di Pulau Jawa.