Pemetaan Kemiskinan Digital Kabupaten/Kota di Sumatera Utara Menggunakan Ward Hierarchical Clustering

Authors

  • Ari Mulyadi Aberson Silalahi Sidebang

DOI:

https://doi.org/10.4590/jarsic.v3i2.54

Keywords:

Kemiskinan Digital, Klasterisasi, Sumatera Utara

Abstract

Pemetaan suatu fenomena merupakan proses mentransformasi data menjadi visualisasi yang mudah dipahami, yang dapat memudahkan pemangku kebijakan dalam mengidentifikasi masalah, menentukan prioritas, dan merumuskan strategi secara efisien dan tepat. Di era digital, teknologi memegang peranan penting dalam mencapai tujuan SDGs, dimana mendorong kemajuan negara dalam mempercepat pembangunan yang berkelanjutan. Kemiskinan digital merujuk pada ketidakmampuan individu atau kelompok dalam mengakses dan memanfaatkan teknologi informasi dan komunikasi (TIK). Berdasarkan Indeks Pembangunan Teknologi Informasi dan Komunikasi (IP-TIK), Sumatera Utara masih berada dalam kategori sedang dan memerlukan perhatian serius dari berbagai pemangku kepentingan, terutama pemerintah. Kurangnya penelitian yang memetakan kemiskinan digital dengan pendekatan machine learning menjadi salah satu alasan penelitian ini dilakukan. Metode Ward Hierarchical Clustering dipilih karena keunggulannya, seperti ketahanan terhadap pencilan, serta berdasarkan hasil validasi yang ada menunjukkan metode ini sesuai dengan data yang digunakan. Hasil evaluasi tendensi menunjukkan skor sebesar 0,6527 yang mengindikasikan bahwa data cenderung mengelompok dan cocok untuk dilakukan klasterisasi. Berdasarkan silhouette index, data dikelompokkan menjadi tiga klister. Hasil klasterisasi dengan Ward Hierarchical Clustering, yaitu klaster 1 (ketimpangan digital tinggi) yang terdiri dari 5 kabupaten/kota, klaster 2 (ketimpangan digital sedang) yang terdiri dari 16 kabupaten/kota, dan klaster 3 (ketimpangan digital rendah) yang terdiri dari 12 kabupaten/kota.

References

Kominfoa. (2021). Rencana Strategis Kementerian Kominfo 2020 - 2024 untuk Percepatan Transformasi Digital Nasional. Kementrian Komunikasi dan Informatika Republik Indonesia. https://www.kominfo.go.id/content/detail/35108/rencana-strategis-kementerian-kominfo-2020-2024-untuk-percepatan-transformasi-digital-nasional/0/pengumuman. Diakses pada tanggal 14 Agustus 2024.

Kominfob. (2024). Daya Saing Digital Indonesia. Kementrian Komunikasi dan Informatika Republik Indonesia. https://www.kominfo.go.id/content/detail/54774/daya-saing-digital-indonesia/0/artikel. Diakses pada tanggal 14 Agustus 2024.

BPS. (2023). Indeks Pembangunan Teknologi Informasi dan Komunikasi 2022. Badan Pusat Statistik Republik Indonesia. https://www.bps.go.id/id/publication/2023/09/29/cfa3a7c9e8b2397799ec6bb3/indeks-pembangunan-teknologi-informasi-dan-komunikasi-2022.html. Diakses pada tanggal 15 Agustus 2024.

Xu, R., & Wunsch, D. (2008). Clustering. John Wiley & Sons.

Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP-DM 1.0 Step-by-step data mining guides.

Simamora, B. (2005). Analisis Multivariat Pemasaran. Edisi 1. Jakarta: PT Gramedia Pustaka.

Ghozali, I. (2018). Aplikasi Analisis Multivariate dengan Program IBM SPSS 25. Semarang: Badan Penerbit Universitas Diponegoro.

Subagja, & Disan. (2020). Analisis Motivasi Karyawan Terhadap Keselamatan Dan Kesehatan Kerja Menggunakan Analisis Faktor Di PT. Perkebunan Nusantara VIII. Skripsi, Universitas Komputer Indonesia.

Samin, D. (2020). Hierarchical Clustering Algorithm in Machine Learning. Medium. Diakses dari https://medium.com/@dhivyasamin/hierarchical-clustering-algorithm-in-machine-learning-bd9f97ca6701.

Pemrov Sumut. (2024). Dinas Kominfo Sumut Terus Percepat Transformasi Digital Pemprov Sumut. Pemerintah Provinsi Sumatera Utara. https://sumutprov.go.id/artikel/artikel/dinas-kominfo-sumut-terus-percepat-transformasi-digital-pemprov-sumut. Diakses pada tanggal 15 Agustus 2024.

Downloads

Published

15-09-2024

How to Cite

Silalahi Sidebang, A. M. A. . (2024). Pemetaan Kemiskinan Digital Kabupaten/Kota di Sumatera Utara Menggunakan Ward Hierarchical Clustering. Journal of Analytical Research, Statistics and Computation, 3(2), 23–39. https://doi.org/10.4590/jarsic.v3i2.54