Analisis Kesenjangan Regional di Sektor Pertanian Indonesia Tahun 2023 Melalui Pendekatan Cluster

Melynda Isaura; Fauzi Dwi Aryasatyawan; Sri Pingit Wulandari

doi:10.59581/konstanta.v2i4.4253

Authors

Melynda Isaura Institut Teknologi Sepuluh Nopember
Fauzi Dwi Aryasatyawan Institut Teknologi Sepuluh Nopember
Sri Pingit Wulandari Institut Teknologi Sepuluh Nopember

DOI:

https://doi.org/10.59581/konstanta.v2i4.4253

Keywords:

Clustering, Hierarchy, Non-Hierarchy, Agricultural Sector

Abstract

Indonesia is an agricultural country with great potential in the agricultural sector, both as a source of livelihood and as an economic driver. This sector has an important function in food security, improving farmers' welfare, and preserving the environment. Given Indonesia's regional diversity, it is important to develop policies that suit the agricultural characteristics of each region. This research uses the clustering method, a technique that groups data based on similar characteristics so that objects in one group (cluster) have high similarities, while between clusters they are different. This research applies the clustering method to group provinces in Indonesia based on agricultural sector factors in 2023, using hierarchical and non-hierarchical techniques. The results show that the optimum clusters obtained using both single linkage and K-Means formed five optimal clusters. The Java Island cluster shows high productivity, while Riau, East Kalimantan and North Kalimantan have quite high productivity with minimal labor. The largest clusters have a lot of unmanaged land, increasing employment opportunities. Significant variables influence grouping.

References

Amah, N., Wahyuningsih, S., & Amijaya, F. D. T. (2017). Analisis cluster non-hierarki dengan menggunakan metode K-modes pada mahasiswa program studi statistika angkatan 2015 FMIPA Universitas Mulawarman. Jurnal Eksponensial, 8(1), 9-16.

Baroroh, A. (2012). Analisis multivariat dan time series dengan SPSS 21. Jakarta: PT. Elex Media Komputindo.

Fitriana, I. N. L. (2021). Pengelompokan provinsi di Indonesia berdasarkan indikator keluarga sehat menggunakan metode klaster hierarki dan non-hierarki. Jurnal Paradigma: Jurnal Multidisipliner Mahasiswa Pascasarjana Indonesia, 2(1), 27-36.

Ghozali, I. (2018). Aplikasi analisis multivariate dengan program IBM SPSS 25. Semarang: Badan Penerbit Universitas Diponegoro.

Hendrawaty, E. (2006). Pengembangan konsep manajemen mutu terpadu bagi badan usaha milik negara (BUMN) jasa keuangan cabang Bandarlampung. Jurnal Bisnis dan Manajemen, 2(3), 159-256.

Irwansyah, E., & Faisal, M. (2015). Advanced Clustering: Teori dan aplikasi. Yogyakarta: DEEPUBLISH.

Johnson, R. A., & Wichern, D. W. (2014). Applied multivariate statistical analysis (6th ed.). New York: Pearson Prentice Hall.

Kusumaningrum, S. I. (2019). Pemanfaatan sektor pertanian sebagai penunjang pertumbuhan perekonomian Indonesia. Jurnal Transaksi, 11(1), 80-89.

Ningrat, D. R., Maruddani, D. A. I., & Wuryandari, T. (2016). Analisis cluster dengan algoritma K-means dan fuzzy C-means clustering untuk pengelompokan data obligasi korporasi. Jurnal Gaussian, 5(4).

Rizki. (2020). Pertanian dan ketenagakerjaan: Analisis lapangan kerja informal di Indonesia. Yogyakarta: Andi.

Robert, K. (2019). Cara mudah belajar statistik analisis data dan eksplorasi. Jakarta: Penerbit Kencana.

Simamora, B. (2005). Analisis multivariat pemasaran. Jakarta: PT. Gramedia Pustaka Utama.

Siregar, S. (2017). Statistika terapan untuk perguruan tinggi. Jakarta: Kencana.

Snapp, S. (2017). Agricultural systems: Agroecology and rural innovation for development (2nd ed.). ResearchGate.

Soetomo. (2019). Dampak tenaga kerja informal terhadap pertanian. Yogyakarta: UGM.

Sudaryono. (2021). Statistik II: Statistik inferensial untuk penelitian.

Surya. (2018). Ekonomi pertanian: Teori dan aplikasi. Jakarta: Rajawali Pers.

Wahyudi, K. D. (2012). Kebijakan strategis usaha pertanian dalam rangka peningkatan produksi dan pengentasan kemiskinan. Majalah Ilmiah “DIAN ILMU”, 11(2), 78-91.

Windasari, R. (2020). Analisis cluster hierarki metode average linkage berdasarkan jumlah kriminalitas di Indonesia tahun 2019. Malang: Repository UIN Maulana Malik Ibrahim Malang.