Clustreing of Province in Indonesia Based on Education Indicators Using K-Medoids
Abstract
Data mining is searching for interesting patterns or information by selecting data using specific techniques or methods. One method that can be used in data mining is K-Medoids. K-Medoids is a method used to group objects into a cluster. This research aimed to obtain the optimal number of clusters using the K-Medoids method based on Davies-Bouldin Index (DBI) validity on education indicators data by province in Indonesia in 2021. The results showed that the optimal number of clusters using the K-Medoids method based on DBI validity is 5 clusters. Cluster 1 consists of 1 province with a higher average dropout rate, average length of schooling, and well-owned classrooms compared to other clusters. Cluster 2 consists of 15 provinces with an average proportion of school libraries lower than Clusters 3 and 4 and higher than Clusters 1 and 5. Cluster 3 consists of 9 provinces with an average proportion of school libraries, proportions of school laboratories, net enrollment rates, and higher school enrollment rates than other clusters. Cluster 4 consists of 8 provinces with a higher average enrollment rate than the other clusters. Cluster 5 consists of 1 province with a higher average repetition rate and student-per-teacher ratio than other clusters.
References
Index pada Pengelompokan Tingkat Minat Belajar Online di Provinsi Daerah Istimewa Yogyakarta. Jurnal Matematika
dan Statistika beserta Aplikasinya, 30.
Badan Pusat Statistik (2018). Indikator Pendidikan. Jakarta: Badan Pusat Statistik.
Badruttamam, A., Sudarno, & Maruddani, D. A. (2019). Penerapan Analisis Klaster K-Modes dengan Validasi Davies Bouldin
Index dalam Menentukan Karakteristik Kanal Youtube di Indonesia. Jurnal Gaussian, 263-272.
Defiyanti. (2017). Optimalisasi K-Medoid dalam Pengklasteran Mahasiswa Pelamar Beasiswa dengan Cubic Clustering
Criterion. Jurnal TEKNOSI, 03(01).
Dewi L.S, M. W. Talakua, Y., & Lessnusa, M. M. (2021). Analisis Klaster untuk Pengelompokkan Kabupaten/Kota di Provinsi
Maluku Berdasarkan Indikator Pendidikan dengan Menggunakan Metode Ward. Jurnal Statistika dan Aplikasinya, 5(1),
e-ISSN: 2620-8369
Gibran, S., Hairani, & Raden, F. (2018). Aplikasi Pemetaan Kualitas Pendidikan di Indonesia Menggunakan Metode K-Means.
Jurnal Matrik, 17(2).
Kementerian Pendidikan dan Kebudayaan. (2020). Profil Pendidikan Dasar, Menengah dan Atas Ikhtisar Data Pendidikan .
Jakarta.
Nur, R., I., Memi, N., H., & Fidia, D., T., A. (2020). Penerapan Algoritma K-Medoids pada Pengelompokan Wilayah Desa atau
Kelurahan di Kabupaten Kutai Kartanegara. Jurnal Eksponensial, 11(2).
Praokta, A. D. (2021). Implementasi Metode K-Medoids Clustering untuk Pengelompokan Provinsi di Indonesia Berdasarkan
Indikator Pendidikan. Journal of Mathematics Education and Applied, 02(02).
Rofiqi, Y. A. (2017). Clustering Berita Olahraga Berbahasa Indonesia Menggunakan Metode K-Medoid Bersayarat. Jurnal
Simantec, 6(1).
Santoso, S. (2015). Pengolahan Data Statistik di Era Informasi. Jakarta: PT. Alex Media Komputindo.
Sopyan, Y., Agrian, D., & Christiana. (2022). Analisis Algoritma K-Means dan Davies Bouldin Index dalam Mencari Cluster
Terbaik Kasus Perceraian di Kabupaten Kuningan. Building of Informatics, Technologhy and Science (BITS), 10.
Suyanto. (2017). Data Mining untuk Klasifikasi dan Klasterisasi Data. Bandung: Informatika.
Sriningsih, M., Djoni, H., & Jantje, D.P. (2018). Penanganan Multikolinearitas dengan Menggunakan Analisis Regresi
Komponen Utama pada Kasus Impor Beras di Provinsi Sulut. Jurnal Ilmiah Sains, 18(01)Wahyu, I. S., Fauzan, A. C., & Muhamat, M. (2022). Implementasi Algoritma K-Medoids dengan Evaluasi Davies Bouldin Index
untuk Klasterisasi Harapan Hidup Pasca Operasi pada Pasien Penderita Kanker Paru-paru. Jurnal Sistem Komputer dan
Informatika, 556-566.
Zulfa, F. (2019). Pengelompokan Provinsi di Indonesia Berdasarkan Indikator Pendidikan Menggunakan K-Means dan KMedoids. Jurnal Sains dan Seni Pomits, 2(2)
This work is licensed under a Creative Commons Attribution 4.0 International License.
