Eksplorasi Pola Ketimpangan Pendidikan Dasar di Indonesia Melalui Segmentasi Wilayah Berbasis Clustering
Keywords:
Clustering, Algoritma K-Means, segmentasi wilayah, pendidikan dasar, kompleksitas algoritmikAbstract
Ketimpangan dalam penyediaan dan kualitas layanan pendidikan dasar masih menjadi isu strategis di Indonesia, terutama di tingkat kabupaten/kota. Perbedaan jumlah guru, kapasitas rombongan belajar, serta angka putus sekolah dan pengulangan kelas mencerminkan tantangan yang bervariasi antar wilayah. Penelitian ini bertujuan untuk mengeksplorasi pola ketimpangan tersebut melalui pendekatan segmentasi wilayah menggunakan algoritma clustering K-Means. Data yang dianalisis bersumber dari Kementerian Pendidikan, mencakup indikator rasio guru per siswa, jumlah rombel, serta angka putus dan mengulang di jenjang pendidikan dasar. Proses analisis meliputi praproses data, normalisasi, pemilihan jumlah klaster optimal menggunakan elbow method, dan visualisasi hasil klasterisasi dengan Principal Component Analysis (PCA). Hasil penelitian menghasilkan tiga segmen wilayah dengan karakteristik berbeda, yang merepresentasikan tingkat kerentanan dan keberhasilan pendidikan dasar. Temuan ini memberikan landasan awal bagi pemangku kebijakan untuk merancang intervensi yang lebih kontekstual dan berbasis data dalam upaya pemerataan pendidikan.
References
Hendrastuty, N. (2024). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa. Jurnal Ilmiah Informatika dan Ilmu Komputer (JIMA-ILKOM), 3(1), 46–56.
Muasaroh, Y. I., & Fatah, Z. (2024). Implementasi RapidMiner dalam Optimasi Pembentukan Kelas Unggulan Menggunakan K-Means Clustering. Jar’s: Jurnal Advance Research Informatika, 3(1), 66–72.
Qusyairi, M., Hidayatullah, Z., & Sandi, A. (2024). Penerapan K-Means Clustering dalam Pengelompokan Prestasi Siswa dengan Optimasi Metode Elbow. Infotek: Jurnal Informatika dan Teknologi, 7(2), 500–510.
Tige Kati, T., Abineno, R. T., & Pekuwali, A. A. (2024, Agustus 2). Penerapan K-Means Clustering untuk Mengelompokan Performa Siswa dalam Pelajaran Bahasa Indonesia. Dalam Prosiding Seminar Nasional SATI: Sustainable Agricultural Technology Innovation (hlm. 510–522). Universitas Kristen Wira Wacana Sumba.
Utami, N. W., & Paramitha, A. A. I. I. (2021). Penerapan data mining untuk mengetahui pola pemilihan program studi di STMIK Primakara menggunakan algoritma K-Means clustering. Jurnal Teknologi Informasi dan Komputer, 7(4), 456–463.
Ramadani, M. S., & Fatah, Z. (2024). ANALISIS PENGELOMPOKAN DATA NILAI SISWA UNTUKMENENTUKAN SISWA BERPRESTASI MENGGUNAKAN METODE CLUSTERING K-MEANS. Jurnal Riset Sistem Informasi, 1(4), 103-110.
Risal, A. A. N., Andayani, D. D., Suherman, M. I., & Kaswar, A. B. (2024). Utilizing the K-means clustering algorithm for analyzing student achievement assessment at SMK Negeri 1 Gowa. Journal of Embedded Systems, Security and Intelligent Systems, 60-67.
Fadil, A., & Fatah, Z. (2025). ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN SISWA UNGGULAN BERDASARKAN HASIL UJIAN DI SEKOLAH. Jurnal Riset Sistem Informasi, 2(1), 67-75.
Telaumbanua, S. A. B., Setiadi, F., & Nurjanah, S. (2025). Analisis Clustering Menggunakan Metode Enhanced Fuzzy C-Means Clustering Dengan Algoritma Rock Pada Student Performance Dataset. bit-Tech, 7(3), 984-994.
Toyyibin, A. R. N., & Fatah, Z. (2025). ANALISIS DATA MINING MENGGUNAKAN METODE CLUSTERING TERHADAP PRESTASI SISWA I'DADIYAH SUKOREJO. Jurnal Ilmiah Multidisiplin Ilmu, 2(1), 96-105.
