Hierarchical Agglomerative Clustering dengan Metode Ward Untuk Pemetaan Pasar Tenaga Kerja Pascapandemi di Jawa Tengah: Pendekatan Machine Learning Berbasis Klasterisasi
DOI:
https://doi.org/10.59632/leibniz.v5i01.573Keywords:
Hierarchical Agglomerative Clustering, Pasar Tenaga Kerja, Metode WardAbstract
Pandemi COVID-19 telah memberikan dampak signifikan terhadap dinamika ketenagakerjaan di Indonesia, termasuk di Provinsi Jawa Tengah. Ketimpangan distribusi pasar tenaga kerja antarwilayah menjadi tantangan tersendiri dalam perumusan kebijakan pascapandemi. Penelitian ini menerapkan Hierarchical Agglomerative Clustering (HAC) dengan metode Ward untuk memetakan pasar tenaga kerja pascapandemi di Jawa Tengah berdasarkan indikator Tingkat Partisipasi Angkatan Kerja (TPAK), Tingkat Pengangguran Terbuka (TPT), dan Rasio Pencari Kerja terhadap Lapangan Kerja (RPKL). Hasil klasterisasi menunjukkan lima klaster dengan karakteristik pasar tenaga kerja yang berbeda, mulai dari klaster dengan partisipasi kerja di bawah rata-rata dan pengangguran di atas rata-rata hingga klaster dengan kondisi pasar tenaga kerja yang lebih stabil. Validitas klaster dikonfirmasi melalui koefisien Silhouette. Temuan ini memberikan gambaran spasial yang berguna untuk perumusan kebijakan ketenagakerjaan yang adaptif dan berbasis data.Downloads
References
Apriliana, T., & Widodo, E. (2023). Analisis Cluster Hierarki untuk Pengelompokan Provinsi di Indonesia berdasarkan Jumlah Base Transceiver Station dan Kekuatan Sinyal. KONSTELASI: Konvergensi Teknologi Dan Sistem Informasi, 3(2), 286–296. https://doi.org/10.24002/konstelasi.v3i2.7143
BPS Provinsi Jawa Tengah. (2020). Keadaan Ketenagakerjaan Provinsi Jawa Tengah, Agustus 2020: Tingkat Pengangguran Terbuka (TPT) sebesar 6,48 persen, lebih tinggi dari Agustus 2019 yang sebesar 4,44 persen. In Berita Resmi Statistik.
Eszergár-Kiss, D., & Caesar, B. (2017). Definition of user groups applying Ward’s method. Transportation Research Procedia, 22(2017), 25–34. https://doi.org/10.1016/j.trpro.2017.03.004
Harnanto, Y. I., Rusgiyono, A., & Wuryandari, T. (2017). Penerapan Analisis Klaster Metode Ward Terhadap Kabupaten/Kota Di Jawa Tengah Berdasarkan Pengguna Alat Kontrasepsi. Jurnal Gaussian, 6(4), 528–537. http://ejournal-s1.undip.ac.id/index.php/gaussian
Imasdiani, I., Purnamasari, I., & Amijaya, F. D. T. (2022). Perbandingan Hasil Analisis Cluster Dengan Menggunakan Metode Average Linkage Dan Metode Ward. Eksponensial, 13(1), 9–17. https://doi.org/10.30872/eksponensial.v13i1.875
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning - with Applications in R. In Book. Springer.
Li, T., Rezaeipanah, A., & Tag El Din, E. S. M. (2022). An ensemble agglomerative hierarchical clustering algorithm based on clusters clustering technique and the novel similarity measurement. Journal of King Saud University - Computer and Information Sciences, 34(6), 3828–3842. https://doi.org/10.1016/j.jksuci.2022.04.010
Murtagh, F., & Legendre, P. (2014). Ward’s Hierarchical Agglomerative Clustering Method: Which Algorithms Implement Ward’s Criterion? Journal of Classification, 31, 275–295. https://doi.org/10.1128/jb.160.1.233-238.1984
Pramudita, D. A., & Sumargo, B. (2019). Pengelompokan Pengguna Internet dengan Metode K-Means Clustering. Jurnal Statistika Dan Aplikasinya, 3(1), 1–12. https://doi.org/10.21009/jsa.03101
Rahmawati, F., Putri, N. S., Ulfa, N., & Azizah, U. N. (2025). KLASTERISASI KABUPATEN/KOTA DI JAWA BARAT BERDASARKAN KUALIFIKASI DAN PEMERATAAN GURU SMP MENGGUNAKAN K-MEANS CLUSTERING. ProSandika, 6, 149–158.
Raja, N. A., Tinungki, G. M., & Sirajang, N. (2024). Implementasi Algoritma Centroid Linkage dan K-Medoids dalam Mengelompokkan Kabupaten/Kota di Sulawesi Selatan Berdasarkan Indikator Pendidikan. ESTIMASI: Journal of Statistics and Its Application, 5(1), 61–74. https://doi.org/10.20956/ejsa.v5i1.13605
Sebriana, E. I., & Hasanah, S. H. (2025). Analisis Indikator Ketenagakerjaan di Jawa Timur Tahun 2023 dengan Pendekatan Clustering. Prosiding Seminar Nasional Sains Dan Teknologi Seri III, 2(1), 1056–1068.
Syafiyah, U., Asrafi, I., Wicaksono, B., Puspitasari, D. P., & Sirait, M. (2022). Analisis Perbandingan Metode Cluster Data Indikator Ketenagakerjaan di Jabar Tahun 2020. Seminar Nasional Official Statistics, 803–812. https://doi.org/10.34123/semnasoffstat.v2022i1.1221
Talakua, M. W., Leleury, Z. A., & Taluta, A. W. (2017). Analisis Cluster Dengan Menggunakan Metode K-Means Untuk Pengelompokkan Kabupaten/Kota Di Provinsi Maluku Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2014. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 11(2), 119–128. https://doi.org/10.30598/barekengvol11iss2pp119-128
Zhou, H., Wang, L., Cao, Y., & Li, J. (2025). The impact of artificial intelligence on labor market: A study based on bibliometric analysis. Journal of Asian Economics, 98(January), 101926. https://doi.org/10.1016/j.asieco.2025.101926
