IMPLEMENTASI DATA MINING DENGAN METODE K-MEANS CLUSTERING UNTUK PREDIKSI TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR

Abstract

Penelitian ini menganalisis Tingkat Pengangguran Terbuka (TPT) di Provinsi Jawa Timur menggunakan metode K-Means Clustering. Data TPT diperoleh dari Badan Pusat Statistik (BPS) untuk periode 2019-2023, mencakup 38 kabupaten/kota di Jawa Timur. Penelitian ini bertujuan untuk mengelompokkan wilayah berdasarkan tingkat pengangguran guna mendukung pemerintah dan pemangku kepentingan dalam menentukan prioritas penanganan daerah dengan TPT tinggi. Proses analisis menggunakan metodologi SEMMA (Sampling, Exploration, Modification, Modeling, dan Assessment). Penentuan jumlah cluster optimal dilakukan dengan metode Elbow menggunakan Silhouette Score. Hasil pengelompokan menunjukkan distribusi kabupaten/kota ke dalam beberapa klaster berdasarkan tingkat kemiripan TPT. Evaluasi menggunakan Silhouette Score menghasilkan nilai rata-rata sebesar 0,4333 yang mengindikasikan bahwa klaster yang terbentuk memiliki tingkat pemisahan yang cukup baik tetapi masih dapat ditingkatkan. Hasil ini memberikan gambaran awal yang berguna dan dapat digunakan sebagai referensi untuk analisis lanjutan atau pengambilan kebijakan yang lebih tepat sasaran.

Kata kunci: Tingkat Pengangguran Terbuka, Data Mining, K-Means, SEMMA, Silhouette Score