Klasterisasi Kabupaten Kota di Jawa Timur Berdasarkan Kualitas Ketenagakerjaan Menggunakan K Means

Abstract

Ketenagakerjaan merupakan bagian integral dari kehidupan ekonomi dan sosial suatu negara, dengan tujuan menciptakan lingkungan kerja yang adil, produktif, aman, dan berkelanjutan bagi pekerja dan perusahaan. mengklasifikasikan kabupaten dan kota ke dalam kelompok-kelompok berdasarkan kualitas ketenagakerjaan, pemerintah dapat mengidentifikasi daerah-daerah yang memerlukan perhatian khusus, seperti daerah dengan tingkat pengangguran yang tinggi atau rendahnya akses pendidikan.Metode yang cocok digunakan adalah Algoritma K-means. sasi adalah proses pembagian satu set objek data ke dalam kelompok-kelompok yang disebut klaster, objek yang berada dalam satu klaster memiliki karakteristik yang serupa satu sama lain dan berbeda dengan klaster lainnya. Dalam penelitian ini, analisis data dilakukan menggunakan software Python. Penelitian ini menggunakan variabel pencari kerja terdaftar, TPT, Angkatan Kerja, dan gaji pegawai formal untuk menganalisis kualitas ketenagakerjaan di Jawa Timur. Metode klasterisasi K-Means digunakan untuk mengelompokkan observasi berdasarkan variabel-variabel tersebut. Melalui metode elbow dan metode silhouette, jumlah klaster optimal ditentukan menjadi 2. Hasil klasterisasi menunjukkan bahwa cluster 2 berisi provinsi-provinsi dengan kualitas ketenagakerjaan yang kurang baik, ditandai dengan tingginya jumlah pencari kerja, TPT, dan Angkatan Kerja meskipun rata-rata upah pekerja formal lebih tinggi. Cluster 1, di sisi lain, berisi provinsi-provinsi dengan kualitas ketenagakerjaan yang baik, dengan tingkat pengangguran yang rendah meskipun rata-rata upah pekerja formal lebih rendah. Cluster 2 dapat berpotensi mengancam perekonomian Jawa Timur di masa bonus demografi karena tingginya tingkat pengangguran, sedangkan cluster 1 memiliki potensi lebih baik karena tingkat pengangguran yang rendah.