Analisis Cluster Pengelompokan Provinsi di Indonesia Berdasarkan Sub Sektor Nilai Tukar Petani
DOI:
https://doi.org/10.30631/demos.v3i1.1812Keywords:
cluster, nilai tukar petaniAbstract
Semakin tinggi nilai tukar petani, relatif semakin kuat pula tingkat kemampuan atau daya beli
petani. Sub Sektor pertanian yang mencakup dalam pengolahan nilai tukar petani meliputi lima sub sektor, antara lain sub sektor padi dan palawija, holtikultura, tanaman perkebunan rakyat, peternakan, dan perikanan. Dalam rangka perkembangan ekonomi diperlukan adanya pengelompokkan indeks nilai tukar petani dari setiap sektor nilai tukar petani sehingga dilakukanlah pengelompokkan nilai tukar petani dengan menggunakan analisis cluster. Analisis cluster merupakan suatu metode dalam analisis peubah ganda yang bertujuan untuk mengelompokkan n satuan pengamatan kedalam k cluster dengan (k < n) berdasarkan p variabel, sehingga unit-unit pengamatan dalam satu kelompok memiliki ciri-ciri yang lebih homogen dibandingkan unit pengamatan dalam kelompok lain. Pengelompokan yang dilakukan pada 3 metode cluster yang digunakan yaitu single linkage, complete linkage dan average linkage diperoleh metode yang paling baik untuk digunakan dalam pengklasifikasian data nilai tukar petani tersebut yaitu metode average linkage karena memiliki nilai korelasi yang tertinggi.
Downloads
References
BPS. (2019). Nilai Tukar Petani Provinsi Sumatera Barat 2014-2018 (1st ed.). BPS Sumatera Barat.
BPS. (2020). Nilai Tukar Petani Provinsi Sumatera Barat 2015-2019 (1st ed.). BPS Provinsi Sumatera Barat.
BPS. (2021). Indikator Pertanian 2020 (1st ed.). Badan Pusat Statistik Indonesia.
BPS. (2022). Statistik Nilai Tukar Petani 2021 (1st ed.). Badan Pusat Statistik Indonesia.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). MULTIVARIATE DATA ANALYSIS EIGHTH EDITION (Eighth edition). Pearson Education. www.cengage.com/highered
Johnson, R. A., & Wichern, D. W. (2002). Applied Multivariate Statistical Analysis . Prentice Hall.
Kassambara, A. (2017). Multivariate Analysis I Practical Guide To Cluster Analysis in R Unsupervised Machine Learning. STHDA. http://www.sthda.com
Mattjik, A. A., & Sumertajaya, I. M. (2011). Sidik Peubah Ganda Dengan menggunakan SAS (G. N. A. Wibawa & A. F. Hadi, Eds.; Edisi Pertama). IPB Press.
Pusdiktasari, Z. F., Sasmita, W. G., Fitrilia, W. R., Fitriani, R., & Astutik, S. (2021). The Clustering of Provinces in Indonesia by The Economic Impact of Covid-19 using Cluster Analysis. Indonesian Journal of Statistics and Its Applications, 5(1), 117–129. https://doi.org/10.29244/ijsa.v5i1p117-129
Putriana, U., Setyawan, Y., & Noeryanti. (2016). Metode Cluster Analysis untuk Pengelompokan Kabupaten/Kota di Provinsi Jawa Tengah Berdasarkan Variabel yang Mempengaruhi Kemiskinan pada Tahun 2013. Jurnal Statistika Industri Dan Komputasi, 1(1), 38–52.
Sharma, S. (1996). Applied Multivariate Techniques (T. Kent & P. Sellers, Eds.). John Wiley & Sons, Inc.
Silvi, R. (2018). Analisis Cluster dengan Data Outlier Menggunakan Centroid Linkage dan K-Means Clustering untuk Pengelompokkan Indikator HIV/AIDS di Indonesia. Jurnal Matematika “MANTIK,” 4(1), 22–31. https://doi.org/10.15642/mantik.2018.4.1.22-31
Syahrul, E. L. (2017). Analisis Cluster Pada Kabupaten di Papua Berdasarkan Faktor - Faktor Yang Mempengaruhi Manusia (IPM) Tahun 2013. Jurnal Statistika, 2, 56–63.
Yulianto, S., & Hidayatullah, K. H. (2014). Analisis Klaster untuk Pengelompokan Kabupaten/Kota di Provinsi Jawa Tengah Berdasarkan Indikator Kesejahteraan Rakyat. Jurnal Statistika Universitas Muhammadiyah Semarang, 2(1), 56–63. https://doi.org/https://doi.org/10.26714/jsunimus.2.1.2014.%25p
1.png)
