BibTex Citation Data :
@article{GP26518, author = {Farakh Nasida and Afiqi Pasha and Oki Oktaviani and Nur Syahri and Aan Andriatno and Rani Nooraeni}, title = {KLASTERISASI PROVINSI DI INDONESIA MENURUT KARAKTERISTIK KETENAGAKERJAAN TAHUN 2019 MENGGUNAKAN METODE FUZZY C-MEANS CLUSTERING}, journal = {GEMA PUBLICA}, volume = {9}, number = {1}, year = {2024}, keywords = {ketenagakerjaan; fuzzy c-means; kelayakan pekerjaan}, abstract = { Ketenagakerjaan merupakan bidang yang vital dalam pembangunan ekonomi maupun pembangunan manusia. Dewasa ini, problematika terkait ketenagakerjaan semakin kompleks dan menjadi tantangan dunia. Sustainable Development Goals menyoroti secara khusus peningkatan kualitas ketenagakerjaan, tertuang dalam tujuan kelima, yang secara lebih spesifik menggarisbawahi kelayakan pekerjaan. Sampai tahun 2030, dunia menargetkan kelayakan pekerjaan penuh yang diimbangi dengan menurunnya tingkat pengangguran. Pengangguran merupakan suatu fenomena yang banyak mendapatkan sorotan dan merupakan isu strategis dalam pemerintahan suatu negara. Di Indonesia, Tingkat Pengangguran Terbuka telah mencapai level yang setara dengan pengangguran global. Meskipun demikian, masih terjadi ketimpangan antarprovinsi. Penerapan program dan kebijakan yang sesuai dengan karakteristik ketenagakerjaan provinsi diperlukan untuk mengatasi ketimpangan serta mewujudkan kelayakan pekerjaan secara beriringan. Penelitian ini menggunakan metode Fuzzy C-Means Clustering untuk mengelompokkan 34 provinsi di Indonesia ke dalam klaster-klaster menurut karakteristik ketenagakerjaan. Analisis dilakukan dengan memperhatikan dua aspek, yaitu kesempatan kerja dan kelayakan pekerjaan. Penelitian ini berhasil mengklasifikasikan 34 provinsi ke dalam dua klaster. Klaster pertama beranggotakan provinsi-provinsi dengan tingkat kesempatan kerja yang rendah, namun kelayakan pekerjaannya sudah baik. Sedangkan klaster kedua memiliki karakteristik kesempatan kerja yang tinggi, namun belum diimbangi dengan kelayakan pekerjaan yang baik. Terhadap kedua klaster yang terbentuk, pemerintah diharapkan dapat memberikan perlakuan atau menerapkan kebijakan yang sesuai dengan karakteristik yang dimiliki. }, issn = {2548-1363}, pages = {50--64} doi = {10.14710/gp.9.1.2024.50-64}, url = {https://ejournal.undip.ac.id/index.php/gp/article/view/26518} }
Refworks Citation Data :
Ketenagakerjaan merupakan bidang yang vital dalam pembangunan ekonomi maupun pembangunan manusia. Dewasa ini, problematika terkait ketenagakerjaan semakin kompleks dan menjadi tantangan dunia. Sustainable Development Goals menyoroti secara khusus peningkatan kualitas ketenagakerjaan, tertuang dalam tujuan kelima, yang secara lebih spesifik menggarisbawahi kelayakan pekerjaan. Sampai tahun 2030, dunia menargetkan kelayakan pekerjaan penuh yang diimbangi dengan menurunnya tingkat pengangguran. Pengangguran merupakan suatu fenomena yang banyak mendapatkan sorotan dan merupakan isu strategis dalam pemerintahan suatu negara. Di Indonesia, Tingkat Pengangguran Terbuka telah mencapai level yang setara dengan pengangguran global. Meskipun demikian, masih terjadi ketimpangan antarprovinsi. Penerapan program dan kebijakan yang sesuai dengan karakteristik ketenagakerjaan provinsi diperlukan untuk mengatasi ketimpangan serta mewujudkan kelayakan pekerjaan secara beriringan. Penelitian ini menggunakan metode Fuzzy C-Means Clustering untuk mengelompokkan 34 provinsi di Indonesia ke dalam klaster-klaster menurut karakteristik ketenagakerjaan. Analisis dilakukan dengan memperhatikan dua aspek, yaitu kesempatan kerja dan kelayakan pekerjaan. Penelitian ini berhasil mengklasifikasikan 34 provinsi ke dalam dua klaster. Klaster pertama beranggotakan provinsi-provinsi dengan tingkat kesempatan kerja yang rendah, namun kelayakan pekerjaannya sudah baik. Sedangkan klaster kedua memiliki karakteristik kesempatan kerja yang tinggi, namun belum diimbangi dengan kelayakan pekerjaan yang baik. Terhadap kedua klaster yang terbentuk, pemerintah diharapkan dapat memberikan perlakuan atau menerapkan kebijakan yang sesuai dengan karakteristik yang dimiliki.
Article Metrics:
Last update:
Last update: 2024-10-10 15:45:30