PENGELOMPOKAN KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2023 BERDASARKAN FAKTOR KESEJAHTERAAN SOSIAL DAN EKONOMI KEPENDUDUKAN

Shara Adiarsa Pramudita; Ade Ryan Isaiah  Putra; Hilda Adisty; Nessa Ayu  Wardhana; Oktavia Rahmadani Aksa; Muhammad Riefky

doi:10.20961/evokasi.v4i1.2331

Authors

Shara Adiarsa Pramudita Demografi dan Pencatatan Sipil, Sekolah Vokasi, Universitas Sebelas Maret, Indonesia
Ade Ryan Isaiah Putra Demografi dan Pencatatan Sipil, Fakultas Sekolah Vokasi, Universitas Sebelas Maret
Hilda Adisty Demografi dan Pencatatan Sipil, Fakultas Sekolah Vokasi, Universitas Sebelas Maret
Nessa Ayu Wardhana Demografi dan Pencatatan Sipil, Fakultas Sekolah Vokasi, Universitas Sebelas Maret
Oktavia Rahmadani Aksa Demografi dan Pencatatan Sipil, Fakultas Sekolah Vokasi, Universitas Sebelas Maret
Muhammad Riefky Demografi dan Pencatatan Sipil, Fakultas Sekolah Vokasi, Universitas Sebelas Maret

DOI:

https://doi.org/10.20961/evokasi.v4i1.2331

Keywords:

Cluster, K-Means, Public Wealth

Abstract

The level of community welfare, viewed from both social and economic perspectives, reflects the overall living conditions in a region. Factors such as social dynamics, economic structure, and environmental conditions play a crucial role. As the second most populous province in Indonesia, East Java faces challenges in improving the well-being of its residents, especially given the diverse characteristics of its regions in terms of employment opportunities, education, and demographic composition. This study aims to classify the second-level administrative regions (kabupaten/kota) in East Java in 2023 based on indicators of social and economic welfare. The research utilizes secondary data sourced from the 2023 publication of BPS East Java, including indicators such as Life Expectancy, Open Unemployment Rate, Average Years of Schooling, Poverty Rate, and Labor Force Participation Rate. K-Means Clustering analysis is employed in the study. The results reveal that the second-level regions in East Java in 2023 can be grouped into three clusters: Cluster 1 represents moderately developed regions (6 members), Cluster 2 includes less developed regions (12 members), and Cluster 3 consists of the most developed regions (20 members). These findings indicate disparities in welfare levels across clusters, providing a valuable reference for policymakers to formulate region-specific development strategies and achieve targeted development goals in East Java by 2023.

References

Ali, A. (2020). CLUSTERING DATA ANTHROPOMETRY FOR CHILDREN TO DETERMINE THE NUTRITION STATUS OF CHILDREN IN JUMPUT REJO SUKODONO SIDOARJO. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 7(3), 395-407.

Andiani, D., Dwi, S., Septiani, R., & Riana, A. (2022). Analisis Teknik non-Hierarki untuk Pengelompokan Kabupaten/Kota di Provinsi Jawa Barat Berdasarkan Indikator Kesejahteraan Rakyat 2020. Jurnal Riset Matematika Dan Sains Terapan, 21(1), 21–28.

Badan Pusat Statistik Jawa Timur. 2023. Angka Harapan Hidup (Tahun), 2020-2023. Available at https://jatim.bps.go.id/id/statistics-table/2/MjkjMg==/angka-harapan-hidup.html. 24 April 2025

Badan Pusat Statistik Jawa Timur. 2023. Rata-rata Lama Sekolah (Tahun), 2020-2023. Available at https://jatim.bps.go.id/id/statistics-table/2/MzIjMg==/rata-rata-lama-sekolah.html. 24 April 2025

Badan Pusat Statistik Jawa Timur. 2024. Persentase Penduduk Miskin Di Provinsi Jawa Timur, 2016-2022. Available at https://jatim.bps.go.id/id/statistics-table/1/MzA0MSMx/persentase-penduduk-miskin-di-provinsi-jawa-timur-2016-2022.html. 24 April 2025.

Badan Pusat Statistik Jawa Timur. 2024. Tingkat Pengangguran Terbuka (TPT) dan Tingkat Partisipasi Angkatan Kerja (TPAK) Menurut Kabupaten/Kota di Provinsi Jawa Timur, 2020 - 2023. Available at https://jatim.bps.go.id/id/statistics-table/3/V2pOVWJWcHJURGg0U2pONFJYaExhVXB0TUhacVFUMDkjMyMzNTAw/tingkat-pengangguran-terbuka-tpt-dan-tingkat-partisipasi-angkatan-kerja-tpak-menurut-kabupaten-kota-di-provinsi-jawa-timur.html?year=2023. 24 April 2025.

Badan Pusat Statistik. 2023. Statistik Kesejahteraan Rakyat. 38th ed. edited by D. S. K. Rakyat. Badan Pusat Statistik.

Badan Pusat Statistik. 2024. Jumlah Dan Persentase Penduduk Miskin Menurut Provinsi 2023. Available at: https://www.bps.go.id/id/statistics-table/3/UkVkWGJVZFNWakl6VWxKVFQwWjVWeTlSZDNabVFUMDkjMyMwMDAw/jumlah-dan-persentase-penduduk-miskin-menurut-provinsi.html?year=2023. 24 April 2025.

Bustamam, N., Yulyanti, S., & Septiana Dewi, K. (2021). Analisis Faktor – Faktor Yang Mempengaruhi Indikator Kesejahteraan Masyarakat di Kota Pekanbaru. Jurnal Ekonomi KIAT, 32(1), 85-92.

Fitriani, D., Padilah, T. N., & Sari, B. N. (2021). Penerapan Algoritma K-Means Dalam Pengelompokan Kesejahteraan Rakyat Berdasarkan Kecamatan di KabupatenKarawang. Progresif: Jurnal Ilmiah Komputer, 17(2), 73-82.

Nuryani, I., & Darwis, D. (2021). Analisis Clustering Pada Pengguna Brand Hp Menggunakan Metode K-Means. Seminar Nasional Ilmu Komputer (SNASIKOM), 1(1), 190–211.

Rika Pertiwi, Asnidar Asnidar, Nurlaila Hanum, Puti Andiny, & Safuridar Safuridar. (2024). Pengaruh Tingkat Pendidikan, Pertumbuhan Ekonomi, dan Kepadatan Penduduk Terhadap Kualitas Hidup di Aceh. Jurnal Ekonomi Dan Pembangunan Indonesia, 3(1), 175–186.

Prihastari, R. R., Azizah, S. A., & Wulandari, S. P. (2024). Analisis Cluster Kabupaten/Kota di Jawa Timur Berdasarkan Faktor Kesejahteraan Masyarakat Tahun 2023. Mutiara: Jurnal Ilmiah Multidisiplin Indonesia, 2(4), 220-235.

Ramdhani, F., Hoyyi, A., & Mukid, M. A. (2015). Pengelompokan Provinsi di Indonesia Berdasarkan Karakteristik Kesejahteraan Rakyat Menggunakan Metode K-Means Cluster. Jurnal Gaussian, 4(4), 875–884.

Rohmatulillah, O. N., Nirmala, K. B., & Wulandari, S. P. (2024). Analisis Klaster pada Faktor-Faktor yang Mempengaruhi Indikator Kesejahteraan Sosial dan Ekonomi di Provinsi Jawa Timur Tahun 2023. Jurnal Ekonomi, Bisnis Dan Manajemen, 3(4), 307–325.

Sihombing, S. C., & Sihombing, D. A. (2022). Pengelompokan Tingkat Kesejahteraan Masyarakat di Sumatera Utara dengan Metode K-Means Clustering. Jurnal Matematika Integratif, 17(2), 127-135

Sugiyono. (2020). Metode Penelitian Kuantitatif Kualitatif, dan R & D. Bandung: Alfabeta.

Talakua, M., Leleury, Z., & Taluta, A. (2017). ANALISIS CLUSTER DENGAN MENGGUNAKAN METODE K-MEANS UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI MALUKU BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN MANUSIA TAHUN 2014. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 11(2), 119-128.

Undang-Undang No. 11 Tahun 2009 tentang Kesejahteraan Sosial.

UNDP. 2022. HUMAN DEVELOPMENT Report 2021/2022.

Veriani, R. A. F. I. K. A. (2020). Analisis Cluster Dalam Pengelompokkan Provinsi di Indonesia Berdasarkan Variabel Penyakit Menular Menggunakan Metode Complete Linkage, Average Linkage Dan Ward. Universitas Islam Negeri Sunan Ampel.

Wijaya, N. S., Jajuli, M., & Dermawan, B. A. (2024). PENERAPAN ALGORITMA K-MEANS CLUSTERING DALAM MENENTUKAN DAERAH PRIORITAS PENANGANAN KEMISKINAN DI WILAYAH JAWA TIMUR. JATI (Jurnal Mahasiswa Teknik Informatika), 8(4), 7579-7584.