UMRAANA, Mahara Rhazes (2026) Pengelompokan Kabupaten/Kota di Provinsi Jawa Tengah Menggunakan Algoritma PAM dan DBSCAN Berdasarkan Indikator Kesejahteraan Rakyat Tahun 2025. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Archive (FULL TEXT) SKRIPSI MAHARA.zip Restricted to Repository staff only Download (4MB) | Request a copy
	Text 1. COVER.pdf Download (122kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (44kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (33kB)
	Text 5. KATA PENGANTAR.pdf Download (118kB)
	Text 8. DAFTAR ISI.pdf Download (208kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (246kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (216kB)

Abstract

Kesejahteraan masyarakat merupakan indikator penting dalam pembangunan yang bersifat
multidimensi dan merefleksikan kondisi sosial ekonomi. Provinsi Jawa Tengah masih
menghadapi ketimpangan kesejahteraan antarkabupaten/kota meskipun beberapa indikator,
seperti tingkat kemiskinan dan pengangguran, menunjukkan tren penurunan. Kondisi tersebut
mengindikasikan perlunya pendekatan analitis yang mampu mengelompokkan wilayah
berdasarkan karakteristik kesejahteraan. Algoritma Partitioning Around Medoids (PAM) dipilih
karena mampu membentuk cluster yang stabil dan lebih tahan terhadap pengaruh outlier,
sedangkan Density-Based Spatial Clustering of Application with Noise (DBSCAN) dipilih
karena mampu membentuk cluster berdasarkan kepadatan data serta mengidentifikasi data yang
tidak memiliki kepadatan tetangga yang cukup sebagai noise. Penelitian ini bertujuan untuk
mengelompokkan kabupaten/kota di Provinsi Jawa Tengah berdasarkan indikator kesejahteraan
rakyat tahun 2025 serta membandingkan kinerja kedua algoritma tersebut. Data yang digunakan
berupa data sekunder dari Badan Pusat Statistik yang mencakup 35 kabupaten/kota dengan
delapan variabel indikator, yaitu persentase penduduk miskin, tingkat pengangguran terbuka,
tingkat partisipasi angkatan kerja, akses sanitasi layak, akses air minum layak, keluhan
kesehatan, kepemilikan rumah, dan pengeluaran konsumsi makanan. Metode analisis meliputi
statistika deskriptif, deteksi outlier menggunakan Mahalanobis Distance, pemeriksaan
multikolinearitas menggunakan Variance Inflation Factor (VIF), serta analisis clustering
menggunakan algoritma PAM dan DBSCAN. Validasi hasil clustering dilakukan menggunakan
Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa algoritma PAM
menghasilkan empat cluster, sedangkan DBSCAN menghasilkan dua cluster utama dan sejumlah
noise. Nilai DBI menunjukkan bahwa DBSCAN memiliki kinerja yang lebih baik dibandingkan
dengan PAM. Berdasarkan hasil analisis, cluster dengan tingkat kesejahteraan yang lebih baik
ditandai oleh rendahnya tingkat kemiskinan dan pengangguran serta tingginya akses terhadap
fasilitas dasar, sedangkan cluster dengan tingkat kesejahteraan yang relatif kurang baik
menunjukkan kondisi sebaliknya. Hasil penelitian ini menunjukkan bahwa metode DBSCAN
lebih optimal dalam mengelompokkan data kesejahteraan kabupaten/kota di Provinsi Jawa
Tengah dibandingkan dengan metode PAM.
Kata kunci: clustering, PAM, DBSCAN, kesejahteraan rakyat, Jawa Tengah, Davies-Bouldin
Index

Actions (login required)

View Item