Penerapan Algoritma K-Means untuk Klasterisasi Kabupaten/Kota Berdasarkan Karakteristik Ketenagakerjaan Menggunakan Rapidminer di Provinsi Lampung

Nindi Khoirunisa; Hafin Nurhidayat; Hyang Lizant Berlyan Yanzant; Anggayuh Prasetyo; Nuari Anisa Sivi

doi:10.55606/juisik.v6i2.2502

Penerapan Algoritma K-Means untuk Klasterisasi Kabupaten/Kota Berdasarkan Karakteristik Ketenagakerjaan Menggunakan Rapidminer di Provinsi Lampung

Authors

Nindi Khoirunisa Universitas Nahdlatul Ulama Lampung
Hafin Nurhidayat Universitas Nahdlatul Ulama Lampung
Hyang Lizant Berlyan Yanzant Universitas Nahdlatul Ulama Lampung
Anggayuh Prasetyo Universitas Nahdlatul Ulama Lampung
Nuari Anisa Sivi Universitas Nahdlatul Ulama Lampung

DOI:

https://doi.org/10.55606/juisik.v6i2.2502

Keywords:

Clustering, Data Mining, Employment, K-Means, Lampung Province, RapidMiner

Abstract

Employment is an important indicator that reflects the economic condition and development level of a region. Variations in employment characteristics among regencies and cities in Lampung Province indicate the need for a grouping method to identify areas that share similar employment profiles. This research aims to classify regencies and cities in Lampung Province by applying the K-Means clustering algorithm. The study utilized secondary data obtained from the Central Statistics Agency (BPS) of Lampung Province, consisting of the number of registered job seekers, registered job vacancies, workforce placements, the ratio of vacancies to job seekers, the ratio of placements to job seekers, the Open Unemployment Rate (OUR), and the Labor Force Participation Rate (LFPR). The research stages included data collection, data preprocessing through Z-Transformation normalization, and cluster formation using the K-Means algorithm in RapidMiner. The results demonstrate that employment conditions vary across regencies and cities in Lampung Province, leading to the formation of several clusters with distinct characteristics. The resulting clusters provide an overview of regional employment patterns and may serve as supporting information for policymakers in formulating employment programs and strategies that are better aligned with local needs.

References

Alfian, W., & Hidayat, T. (2024). Analisis cluster ing pegawai berdasarkan tingkat kedisiplinan menggunakan algoritma K-Means dan Davies-Bouldin Index. JEECOM, 6(2), 437–448. https://doi.org/10.33650/jeecom.v4i2

Anggriani, Y. P., & Arif, A. (2024). Implementasi algoritma K-Means cluster ing dalam menentukan blok tanaman sawit produktif pada PT Arta Prigel. Komtika, 8(1), 22–32. https://doi.org/10.31603/komtika.v8i1.11192

Arifin, S., Sa, Y., Firdaus, A. A., Afriansyah, M., & Saputra, J. (2025). Cluster ing daftar pemilih tetap (DPT) di Desa Kerembong pada Pilkada 2024 menggunakan algoritma K-Means dengan RapidMiner. 8(November).

Aziz, A., Norhasanah, S., Ali, U. D., Hulu, M. B., Timur, K. K., Tengah, K., Informasi, J. S., Darwan, U., & Sampit, A. (2023). Klastrisasi data tenaga kerja terbuka menurut provinsi dengan penggunaan algoritma K-Means. 10(3), 444–456.

BPS Provinsi Lampung. (2025). Provinsi Lampung dalam angka 2025. BPS Provinsi Lampung.

Data, P., Kerja, S., & Nasional, A. (2025). Analisis K-Means cluster ing angkatan kerja berdasarkan jenis kelamin, usia, pendidikan, dan pendapatan pada data satuan kerja angkatan nasional tahun 2021. 2(1), 942–951.

Khatib, J., & Dalam, S. (2023). Indonesian Journal of Computer Science, 12(1), 714–728.

Kholifah, R. I. N., Sarah, A. D., Masichah, F., & Haris, M. A. (2025). Pengelompokan kabupaten/kota di Jawa Barat berdasarkan indikator ketenagakerjaan menggunakan metode K-Means dan fuzzy C-Means dengan evaluasi rasio SW/SB sebagai validasi klaster. Jurnal Statistika dan Komputasi, 4(2), 68–82. https://doi.org/10.32665/statkom.v4i2.5196

Lazuardi, S. I., Putra, J. L., & Setiyorini, T. (2025). Klasterisasi data mining pencari kerja DKI Jakarta menggunakan metode K-Means cluster ing. Detika, 6(1), 1–5. https://doi.org/10.24176/detika.v6i1.15471

Muningsih, E., Maryani, I., & Handayani, V. R. (2021). Penerapan metode K-Means dan optimasi jumlah cluster dengan indeks Davies-Bouldin untuk cluster ing provinsi berdasarkan potensi desa. Jurnal Sains dan Manajemen, 9(1), 96.

Nashrullah, A. F., Mahardhika, R. D., Rusdiyanto, N. R., & Shella, S. (2025). Klasterisasi produktivitas daerah di Jawa Tengah berdasarkan ketenagakerjaan menggunakan K-Means dan average linkage. 7(2), 138–149. https://doi.org/10.35508/jd.v7i2.22516

Rahayu Iskandar, A. N. J., & Kesumawati, A. (2024). Pengelompokan lapangan usaha berdasarkan level skill menggunakan multidimensional scaling dan K-Means cluster ing. Emerging Statistics and Data Science Journal, 2(1), 67–76. https://doi.org/10.20885/esds.vol2.iss.1.art7

Rumah, P., Royal, S., Hidayah, A., Dulisep, D., & Angga, B. (2024). Implementasi algoritma K-Means menggunakan RapidMiner untuk klasterisasi data obat. 7(2), 200–211.

Sudrajat, W., Cholid, I., Petrus, J., Studi, P., Informatika, M., Multi, U., Palembang, D., Manajemen, P. S., Multi, U., Palembang, D., Informatika, P. S., Multi, U., Palembang, D., & Phase, M. (n.d.). Penerapan algoritma K-Means cluster ing untuk pengelompokan UMKM menggunakan RapidMiner, 27–36.

Syarif, Z. N. (2023). Penerapan information gain dan algoritma K-Means untuk klasterisasi kedisiplinan pegawai menggunakan RapidMiner. TeknoIS: Jurnal Ilmiah Teknologi Informasi dan Sains, 13(1), 1–12. https://doi.org/10.36350/jbs.v13i1.165

Terbuka, P., Menurut, T. P. T., & Di, P. (2024). Algoritma K-Means untuk mengelompokkan tingkat. 15(2), 75–81. https://doi.org/10.36982/jiig.v15i2.4359

Downloads

Published

2026-07-06

How to Cite

Nindi Khoirunisa, Hafin Nurhidayat, Hyang Lizant Berlyan Yanzant, Anggayuh Prasetyo, & Nuari Anisa Sivi. (2026). Penerapan Algoritma K-Means untuk Klasterisasi Kabupaten/Kota Berdasarkan Karakteristik Ketenagakerjaan Menggunakan Rapidminer di Provinsi Lampung. Jurnal Ilmiah Sistem Informasi Dan Ilmu Komputer, 6(2), 421–434. https://doi.org/10.55606/juisik.v6i2.2502