METODE K-MEDOIDS UNTUK PENGELOMPOKAN PROVINSI DI INDONESIA SEBELUM (2018) DAN SAAT PANDEMI COVID-19 (2020) SERTA PERBANDINGANNYA MENGGUNAKAN T2 - HOTELLING

Marchelita, Gabrielle Yukiko and Dr. Ir. Solimun, MS (2022) METODE K-MEDOIDS UNTUK PENGELOMPOKAN PROVINSI DI INDONESIA SEBELUM (2018) DAN SAAT PANDEMI COVID-19 (2020) SERTA PERBANDINGANNYA MENGGUNAKAN T2 - HOTELLING. Sarjana thesis, Universitas Brawijaya.

Abstract

Analisis cluster merupakan salah satu analisis yang digunakan dalam pengelompokan multidimensional data. Salah satu metode dalam analisis cluster adalah K-Medoids. K-Medoids merupakan pengembangan dari metode K-Means yang robust terhadap outlier. Pendidikan selalu menjadi perhatian khusus bagi pemerintah Indonesia, sebab bangsa yang cerdas akan menjadi bangsa yang maju, adil, dan sejahtera. Salah satu upaya pemerintah dalam mewujudkan hal tersebut adalah dengan mengadakan program wajib belajar 12 tahun. Tetapi sayangnya program ini memiliki kemungkinan kurang terlaksana dengan baik karena pandemi. Pandemi menyebabkan beberapa permasalahan yang dapat membuat pelaksanaan program wajib belajar menjadi kurang maksimal, oleh karena itu untuk mengetahui permasalahan dan kondisi pendidikan di Indonesia, akan dilakukan analisis cluster untuk melihat karakteristik permasalahan yang terjadi di setiap daerah dan T 2 -Hotelling untuk mengetahui apakah terdapat perbedaan kondisi pendidikan sebelum dan saat terjadi pandemi. Hasil yang didapatkan dari analisis yang dilakukan dalam mengelompokkan provinsi di Indonesia berdasarkan kondisi pendidikan adalah pada tahun 2018 banyak cluster optimal yang terbentuk adalah 5 cluster dengan cluster terbaik merupakan cluster 3 dan diikuti oleh cluster 2, cluster 1, cluster 4, dan cluster 5. Adapun pada tahun 2020, banyak cluster optimal yang terbentuk adalah sebanyak 3 cluster dengan cluster terbaik merupakan cluster 2 dan diikuti oleh cluster 1 dan cluster 3 sedangkan hasil uji T2 -Hotelling menunjukkan bahwa terdapat perbedaan signifikan dalam kondisi pendidikan di Indonesia pada sebelum dan saat terjadi pandemi.

English Abstract

Cluster analysis is one of the analyzes used in grouping multidimensional data. One of the cluster methods is K-Medoids. K�Medoids is the development of the K-Means which is robust against outliers. Education has always been a special concern for the Indonesian government because a smart nation will become a developed and prosperous nation. One of the government's efforts to achieve this is by holding a 12-year compulsory education program. But unfortunately, this program has the possibility of not being implemented properly due to the pandemic. The pandemic causes several problems that can implement compulsory education programs less than optimal, Therefore, to find out the problems and conditions of education in Indonesia, cluster to see the characteristics of the problems that occur in each region and T2-Hotelling to find out whether there are differences in educational conditions before and during the pandemic. The results obtained from the analysis carried out in classifying provinces in Indonesia based on educational conditions are that in 2018 the optimal number of clusters formed were 5 clusters with the best cluster being cluster 3 and followed by cluster 2, cluster 1, cluster 4, and cluster 5. In 2020, the optimal number of clusters formed is 3 clusters with the best cluster being cluster 2 followed by cluster 1 and cluster 3 while the T2 -Hotelling test results show that there are significant differences in the conditions of education in Indonesia before and during the pandemic.

Item Type:	Thesis (Sarjana)
Identification Number:	052309
Uncontrolled Keywords:	Analisis Cluster, K-Medoids, T2 -Hotelling, Kondisi Pendidikan, Pandemi Covid-19
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika
Depositing User:	Unnamed user with email prayoga
Date Deposited:	19 Jan 2024 08:40
Last Modified:	19 Jan 2024 08:40
URI:	http://repository.ub.ac.id/id/eprint/212752

Text (DALAM MASA EMBARGO) Gabrielle Yukiko Marchelita.pdf Restricted to Registered users only until 31 December 2025. Download (2MB)

Actions (login required)

View Item