ANALISIS POLA KETENAGAKERJAAN DI KABUPATEN BEKASI MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING

Bilah Samping Artikel

Diterbitkan: Jun 3, 2026
Kata Kunci:
K-Means Clustering, KDD, Ketenagakerjaan, Sektor Ekonomi, Clustering

Isi Artikel Utama

Roki Musthofa
Universitas Singaperbansa Karawang
Nono Heryana
Universitas Singaperbansa Karawang
Apriade Voutama
Universitas Singaperbansa Karawang

Abstrak

Permasalahan ketenagakerjaan di Kabupaten Bekasi masih ditandai oleh fluktuasi tingkat pengangguran serta ketimpangan penyerapan tenaga kerja antar sektor ekonomi. Kondisi tersebut menunjukkan perlunya pemetaan karakteristik sektor ekonomi untuk mendukung perumusan kebijakan ketenagakerjaan yang lebih tepat sasaran. Penelitian ini bertujuan mengelompokkan sektor lapangan usaha berdasarkan indikator Produk Domestik Regional Bruto (PDRB) sektoral, jumlah tenaga kerja terserap, dan produktivitas tenaga kerja menggunakan algoritma K-Means Clustering dengan metodologi Knowledge Discovery in Databases (KDD). Data yang digunakan merupakan data rata-rata periode 2022–2024. Hasil analisis menunjukkan bahwa sektor ekonomi di Kabupaten Bekasi terbagi menjadi tiga klaster, yaitu klaster unggulan dengan kontribusi ekonomi dan produktivitas tinggi, klaster menengah, serta klaster intervensi dengan nilai indikator relatif rendah. Evaluasi model menghasilkan nilai Davies-Bouldin Index sebesar 0,353 dan Silhouette Coefficient sebesar 0,598 yang menunjukkan kualitas klaster yang cukup baik. Hasil pengelompokan ini memberikan gambaran mengenai sektor ekonomi yang berpotensi menjadi motor pertumbuhan sekaligus sektor yang memerlukan dukungan kebijakan untuk meningkatkan penyerapan tenaga kerja.

Rincian Artikel

Cara Mengutip
[1]
R. Musthofa, N. Heryana, dan A. Voutama, “ANALISIS POLA KETENAGAKERJAAN DI KABUPATEN BEKASI MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING”, JTM, vol. 15, no. 1, Jun 2026.
Terbitan
Vol 15 No 1 (2026): Jurnal TIMES
Bagian
Articles
Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Copyright (c) STMIK TIME

Referensi

[1] E. Sinambela, I. Harahap, and Z. M. Nawawi, “Pertumbuhan Penduduk dan Kualitas Manusia dalam Meningkatkan Ekonomi Syariah di Indonesia (Literatur Review),” Ekon. J. Ilmu Ekon. dan Stud. Pembang., vol. 24, no. 2, pp. 301–308, 2024, [Online]. Available: https://jurnal.umsu.ac.id/index.php/ekawan/article/view/18186

[2] U. Syafiyah, D. P. Puspitasari, I. Asrafi, B. Wicaksono, and F. M. Sirait, “Analisis Perbandingan Hierarchical dan Non-Hierarchical Clustering Pada Data Indikator Ketenagakerjaan di Jawa Barat Tahun 2020,” Semin. Nas. Off. Stat., vol. 2022, no. 1, pp. 803–812, 2022, doi: 10.34123/semnasoffstat.v2022i1.1221.

[3] A. Aziz et al., “Klastrisasi Data Tenaga Kerja Terbuka Menurut Provinsi Dengan Penggunaan Algoritma K - Means 1,2,” vol. 10, no. 3, pp. 444–456, 2023.

[4] Y. I. Astuty, Marwah Noer, Demi Stevany, Brenda Arham, Brigita Maria R, and Adi Wibowo, “Evaluasi Kesesuaian Kawasan Peruntukan Industri Menggunakan Model Spasial (Studi Kasus : Kabupaten Bekasi),” J. Pendidik. Geogr. Undiksha, vol. 11, no. 2, pp. 123–132, 2023, doi: 10.23887/jjpg.v11i2.61536.

[5] M. T. Irma Damayanti, Chiara Zahra Maulani, Bugi Alifya, Aulia Rofika Dewi, Prima Junior Seven M, Ir. Tri Mulyono, “PENGARUH KAWASAN INDUSTRI CIKARANG SEBAGAI HINTERLAND DENGAN KONEKTIVITAS PELABUHAN YANG OPTIMAL,” 2024, [Online]. Available: https://www.mendeley.com/catalogue/c7361518-c4a8-3ae7-8630-b21ab372684e/?utm_source=desktop&utm_medium=1.19.4&utm_campaign=open_catalog&userDocumentId=%7Bb775f4b3-805a-44f7-a539-123cb7f8830d%7D

[6] D. Safira, E. Dwi Lestari, M. Iffa, and S. Annisa, “Pengelompokan Jumlah Penduduk Sumatera Barat,” J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 6, no. 1, pp. 26–31, 2020.

[7] J. Juswadi and P. Sumarna, “Produktivitas Tenaga Kerja Sektor Pertanian dan Korelasinya dengan Usia Petani di Jawa Barat,” Paspalum J. Ilm. Pertan., vol. 11, no. 2, p. 361, 2023, doi: 10.35138/paspalum.v11i2.630.

[8] B. U. Afrida M, Ahmad Rafli, Atif Naufal Y, Masturi, Rudiansyah, “Jurnal Manejemen, Akuntansi dan Pendidikan (JAMAPEDIK),” J. Manajemen, Akunt. dan Pendidik., vol. 1, no. 2, pp. 316–325, 2024, doi: 10.59971/jamapedik.v1i2.65.

[9] M. Rachma and C. Budy Santoso, “Klasterisasi Data Pengangguran Di Pulau Jawa Menggunakan Algoritma K-Means Dalam Penanggulangan Pengangguran Tahun 2020-2023,” IDEALIS Indones. J. Inf. Syst., vol. 8, no. 2, pp. 202–209, 2025, doi: 10.36080/idealis.v8i2.3522.

[10] V. Herlinda and D. Darwis, “Analisis Clustering Untuk Recredesialing Fasilitas Kesehatan Menggunakan Metode Fuzzy C-Means,” Darwis, Dartono, vol. 2, no. 2, pp. 94–99, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI

[11] E. Muningsih, I. Maryani, and V. R. Handayani, “Penerapan Metode K-Means dan Optimasi Jumlah Cluster dengan Index Davies Bouldin untuk Clustering Propinsi Berdasarkan Potensi Desa,” J. Sains dan Manaj., vol. 9, no. 1, p. 96, 2021, [Online]. Available: www.bps.go.id

[12] Noviya Adawiyah, Nina Sulistiyowat, and ohamad Jajuli, “Klasterisasi Kasus Kekerasan Terhadap Anak dan Perempuan Berdasarkan Algoritma K-Means,” Gener. J., vol. 5, no. 2, pp. 69–80, 2021.

[13] Ayu Pangestu, “Penerapan Data Mining Menggunakan Algoritma K-Means Pengelompokan Pelanggan Berdasarkan Kubikasi Air Terjual Menggunakan Weka,” JUST IT J. Sist. Informasi, Teknol. Inf. dan Komput., vol. 11, no. 3, pp. 67–71, 2022, [Online]. Available: https://jurnal.umj.ac.id/index.php/just-it/article/view/11591

[14] A. D. Kuswanto, A. N. Fadhila, P. T. Setiawan, M. K. Setiawan, and D. R. Syahputra, “Penerapan K-Means Clustering Untuk Menentukan Jumlah Pengangguran Berdasarkan Umur (Studi Kasus di Badan Statistik Provinsi DKI Jakarta 2020-2022),” Repeater Publ. Tek. Inform. dan Jar., vol. 2, no. 3, pp. 135–146, 2024.

[15] A. P. Riani, A. Voutama, and T. Ridwan, “Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Penerapan K-Means Clustering Dalam Pengelompokan Hasil Belajar Peserta Didik Dengan Metode Elbow Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD,” J. Teknol. Sist. Inf. dan Sist. Komput. TGD, vol. 6, no. 1, pp. 164–172, 2023.

[16] S. Paembonan and H. Abduh, “Penerapan Metode Silhouette Coefficient untuk Evaluasi Clustering Obat,” PENA Tek. J. Ilm. Ilmu-Ilmu Tek., vol. 6, no. 2, pp. 48–54, 2021, doi: 10.51557/pt_jiit.v6i2.659.

[17] A. A. H. Tasyifa Nafsiah Muthmainah, Apriade Voutama, “KLASTERISASI PENERIMA BANTUAN LANGSUNG TUNAI (BLT) DANA DESA MENGGUNAKAN ALGORITMA K-MEANS,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 3916–3919, 2024.

[18] A. J. Diana Hidayati, Yahya, “Implementasi Data Mining Menggunakan Algoritma K-Means untuk Pengelompokkan Obat di Puskesmas Kerongkong Kecamatan Suralaga,” J. Pengemb. Rekayasa Inform. dan Komput., vol. 1, no. 2, pp. 78–88, 2023, [Online]. Available: https://doi.org/ 10.29408/jprinter.v1i2.22006

[19] D. P. S. Dewi, “Analisis Clustering Penyebaran Hiv Di Karawang Berdasarkan Kecamatan Dengan Algoritma K-Means,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, 2024, doi: 10.23960/jitet.v12i3.4878.

[20] A. R. Lashiyanti, I. R. Munthe, and F. A. Nasution, “Optimisasi Klasterisasi Nilai Ujian Nasional dengan Pendekatan Algoritma,” J. Ilmu Komput. dan Sist. Inf., vol. 6, no. 1, pp. 14–20, 2023, [Online]. Available: https://ejournal.sisfokomtek.org/index.php/jikom/article/view/1550

[21] T. A. Novia, D. Swanjaya, and R. Wulaningrum, “Analisa Clustering Aplikasi Laporan Kasus Kekerasan,” J. Borneo Inform. dan Tek. Komput., vol. 2, no. 1, pp. 17–30, 2022, doi: 10.35334/jbit.v2i1.2689.

[22] B. N. S. Afifa Atira, “Penerapan Silhouette Coefficient, Elbow Method dan Gap Statistics untuk Penentuan Cluster Optimum dalam Pengelompokkan Provinsi di Indonesia Berdasarkan Indeks Kebahagiaan,” Ilmiah, J. Pendidikan, Wahana, vol. 9, no. September, pp. 76–86, 2023.