PERBANDINGAN ALGORITMA HDBSCAN DAN AGGLOMERATIVE HIERARCHICAL CLUSTERING DALAM MENGELOMPOKKAN DATA KETENAGAKERJAAN YANG OUTLIERS

Penulis

  • Citra Amelia Intan Permadani Universitas Pembangunan Nasional "Veteran" Jawa Timur
  • Aviolla Terza Damaliana Universitas Pembangunan Nasional "Veteran" Jawa Timur
  • Mohammad Idhom Universitas Pembangunan Nasional "Veteran" Jawa Timur

DOI:

https://doi.org/10.46576/djtechno.v6i2.7237

Kata Kunci:

HDBSCAN, Agglomerative Hierarchical Clustering, Outliers, Ketenagakerjaan.

Abstrak

Ketenagakerjaan merupakan indikator penting dalam mendukung pembangunan ekonomi nasional. Namun, distribusi tenaga kerja di Indonesia masih menunjukkan ketimpangan antarprovinsi. Beberapa provinsi memiliki kontribusi ekonomi dan tingkat pekerjaan formal yang tinggi, sementara yang lain tertinggal. Penelitian ini bertujuan mengidentifikasi pola distribusi ketenagakerjaan antarprovinsi dengan menerapkan analisis klaster menggunakan delapan variabel dari data BPS. Mengingat adanya pencilan dalam data, deteksi outlier dilakukan menggunakan metode Local Outlier Factor (LOF) yang mengidentifikasi enam provinsi sebagai outlier yaitu Jawa Barat, Jawa Tengah, Jawa Timur, DKI Jakarta, Banten, dan Sumatera Utara. Selanjutnya, data dianalisis menggunakan dua pendekatan klasterisasi, yaitu Agglomerative Hierarchical Clustering (Single, Complete, Average Linkage, dan Ward) dan HDBSCAN untuk membandingkan ketahanan metode terhadap data outlier. Validasi kualitas klaster dilakukan dengan Silhouette Coefficient. Hasil menunjukkan bahwa metode Single Linkage memiliki nilai koefisien tertinggi, namun kurang konsisten dalam memisahkan outlier. Sebaliknya, HDBSCAN lebih adaptif terhadap data yang mengandung noise dan pencilan dengan Silhouette Coefficient sebesar 0.546. Dengan demikian, HDBSCAN dinilai lebih efektif dalam analisis klasterisasi data ketenagakerjaan yang kompleks, sementara metode AHC lebih unggul dalam membentuk klaster yang jelas jika pencilan dapat ditangani secara terpisah.

Referensi

A. T. Damaliana and Setiawan, “Pemodelan Penyerapan Tenaga Kerja Sektor Industri Di Indonesia Dengan Pendekatan Regresi Data Panel Dinamis,” 2016.

Badan Pusat Statistik, “Tenaga Kerja - Tabel Statistik - Badan Pusat Statistik Indonesia,” Https://Www.Bps.Go.Id/Id/Statistics-Table?Subject=520.

Muhammad Azis Azra N, “Penggunaan Davies Bouldin Index Dalam Perbandingan Algoritma K-Means Dan K-Medoids Untuk Klasterisasi Provinsi di Indonesia Berdasarkan Tingkat Indikator Ketenagakerjaan,” Jambi, Jambi, 2023.

A. I. Widiyasari, I. A’mal, N. Fatma, P. Yunardi, And F. Kartiasih, “Analisis Variabel Ketenagakerjaan Terhadap Produktivitas Pekerja Indonesia Tahun 2022 (Analysis of Employment Variables on Indonesian Labor Productivity In 2022).”

P. Ryan Harnanda, T. Maulana Fahrudin, and N. Damastuti, “GIS Implementation And Classterization of Potential Blood Donors Using the Agglomerative Hierarchical Clustering Method,” International Journal of Electrical Engineering and Information Technology, Vol. 03, 2020.

S. Sakdiyah and R. Subekti, “Optimalisasi Jumlah Kelompok Pada Metode Single Linkage Dan Complete Linkagemenggunakan Indeks Davies Bouldin Optimizing Number of Clusters on Single Linkage and Complete Linkage Methods Using Davies Bouldin Index.”

T. M. Fahrudin, P. A. Riyantoko, K. M. Hindrayani, and H. P. Swari, “Cluster Analysis of Hospital Inpatient Service Efficiency Based on BOR, BTO, TOI, AVLOS Indicators Using Agglomerative Hierarchical Clustering,” Jurnal Informatika dan Teknologi Informasi, Vol. 18, No. 2, Pp. 194–210, 2021, Doi: 10.31515/Telematika.V18i2.4786.

S. Hidayati, A. T. Darmaliana, and R. Riski, “Comparison Of K-Means, Fuzzy C-Means, Fuzzy Gustafson Kessel, and DBSCAN for Village Grouping in Surabaya Based on Poverty Indicators,” Jurnal Pendidikan Matematika (Kudus), Vol. 5, No. 2, P. 185, Dec. 2022, Doi: 10.21043/Jpmk.V5i2.16552.

O. Eric U. and O. Michael O., “Overview of Agglomerative Hierarchical Clustering Methods,” British Journal of Computer, Networking nd Information Technology, Vol. 7, No. 2, Pp. 14–23, Jun. 2024, Doi: 10.52589/Bjcnit-Cv9poogw.

G. Ghaly Ghiffary, K. Alifviansyah, A. Fitrianto, L. M. Risman, and D. Jumansyah, “Perbandingan Algoritma HDBSCAN Dan Agglomerative Hierarchical Clustering Dalam Klasterisasi pada Data yang Mengandung Pencilan,” Jurnal Riset Dan Aplikasi Matematika, Vol. 08, No. 02, Pp. 122–135, 2024.

F. Dwi Handayani and I. Rosyida, “Clustering Review Pengguna Aplikasi Zenius Pada Layanan Google Play Store Menggunakan Metode DBSCAN dan HDBSCAN,” Emerging Statistics and Data Science Journal, Vol. 1, No. 2, 2023.

Rena Armita Sari and Rr Retno Sugiharti, “Analisis Faktor-Faktor yang Mempengaruhi Tingkat Partisipasi Angkatan Kerja di Indonesia Tahun 2001-2020 ,” Jiep: Jurnal Ilmu Ekonomi Dan Pembangunan, Vol. 5, No. 2, Pp. 603–616, 2022.

M. Idhom, D. A. Prasetya, P. A. Riyantoko, T. M. Fahrudin, and A. P. Sari, “Pneumonia Classification Utilizing VGG-16 Architecture and Convolutional Neural Network Algorithm for Imbalanced Datasets,” Tiers Information Technology Journal, Vol. 4, No. 1, Pp. 73–82, Jun. 2023, Doi: 10.38043/Tiers.V4i1.4380.

A. T. Damaliana, K. M. Hindrayani, and T. M. Fahrudin, “Hybrid Holt Winter-Prophet Method o Forecast the Num-Ber of Foreign Tourist Arrivals Through Bali’s Ngurah Rai Airport”, Doi: 10.3390/Xxxxx.

M. Idhom, A. Fauzi, T. Trimono, and P. Riyantoko, “Time Series Regression: Prediction f Electricity Consumption Based on Number of Consumers at National Electricity Supply Company,” Tem Journal, Vol. 12, No. 3, Pp. 1575–1581, Aug. 2023, Doi: 10.18421/Tem123-39.

W. Yustanti, “Studi Komparasi Local Outlier Factor (LOF) Dan Isolation Forest (IF) pada Analisis Anomali Kinerja Dosen,” Journal of Informatics and Computer Science, Vol. 06, 2024.

N. A. Wahyuni, M. N. Hayati, and N. A. Rizki, “Metode Hierarchical Density-Based Spatial Clustering of Application with Noise (HDBSCAN) Pada Wilayah Desa/Kelurahan Tertinggal di Kabupaten Kutai Kartanegara,” Eksponensial, Vol. 12, No. 1, P. 47, Jun. 2021, Doi: 10.30872/Eksponensial.V12i1.758.

M. Alexander Justin Audison Sibarani, I. Gede Susrama Mas Diyasa, P. Studi Sains Data, F. Ilmu Komputer, and U. Pembangunan, “Penggunaan K-Means dan Hierarchical Clustering Single Linkage dalam Pengelompokkan Stok Obat,” Vol. 5, No. 2, 2024, Doi: 10.46306/Lb.V5i2.

Unduhan

File Tambahan

Diterbitkan

2025-08-02

Terbitan

Vol 6 No 2 (2025): Agustus

Bagian

Articles

Lisensi

Pernyataan Hak Cipta dan Lisensi

  1. Hak Cipta atas naskah-naskah karya ilmiah di dalam Jurnal ini dipegang oleh Penulis.
  2. Penulis menyerahkan hak saat pertama kali mempublikasi Naskah karya ilmiahnya dan secara bersamaan Penulis memberikan izin/lisensi dengan mengacu pada  Creative Commons Attribution-ShareAlike 4.0 International License kepada pihak lain untuk menyebarkan karya ilmiahnya tersebut dengan tetap mencantumkan penghargaan bagi penulis dan Djtechno sebagai media Publikasi pertama atas karya tersebut.
  3. Hal-hal yang berkaitan dengan non-eksklusivitas pendistribusian Jurnal yang menerbitkan karya ilmiah penulis dapat diperjanjikan secara terpisah (contoh: permintaan untuk menempatkan karya yang dimaksud pada perpustakaan suatu institusi atau menerbitkannya sebagai buku) dengan Penulis sebagai salah satu pihak perjanjian dan dengan penghargaan pada Djtechno sebagai media publikasi pertama atas karya dimaksud.
  4. Penulis dapat dan diharapkan untuk mengumumkan karyanya secara online (misalnya pada Repositori atau pada laman Organisai/Institusinya) sejak sebelum dan selama proses pengumpulan naskah, sebab upaya tersebut dapat meningkatkan pertukaran citasi lebih awal dan dengan cakupan yang lebih luas.