ANALISIS DISPARITAS PEMBANGUNAN MELALUI INTEGRASI MACHINE LEARNING PADA DATA SPASIAL DAN TEMPORAL

Muhammad Arif Arkan, Farhan Nul Hakim, Ghiyats Al Robbani, Meta Windyawati Windyawati, Agun Afiransah Afriansah

Abstract


Disparitas pembangunan antar regional dan sektor di Indonesia menciptakan tantangan kompleks dalam mencapai pertumbuhan ekonomi yang terintegrasi. Studi ini mengembangkan model analitik terintegrasi untuk mengeksplorasi keseimbangan pembangunan melalui implementasi algoritma untuk pembelajaran mesin dalam data heterogen termasuk aspek kelautan, populasi, sosial ekonomi, dan industri. Pendekatan clustering K-Means diimplementasikan untuk menganalisis pola distribusi armada nelayan di Papua Barat dan tingkat kemiskinan di Malang, sementara algoritma klasifikasi Naive Bayes dan K-Nearest Neighbors (KNN) digunakan untuk memprediksi dinamika populasi Aceh dan mengevaluasi kinerja perusahaan. Hasilnya menunjukkan bahwa metode pengelompokan berhasil mengidentifikasi tiga kategori skala aktivitas ekonomi laut yang distinktif serta tiga lapisan kemiskinan utama, yang menunjukkan variabilitas spasial dan temporal yang signifikan. Namun, model prediktif menghasilkan tingkat akurasi sedang (33-60%), mengindikasikan keterbatasan kualitas data atau relevansi algoritma yang digunakan. Meskipun hasilnya bervariasi, pendekatan komprehensif ini memberikan perspektif komprehensif tentang hubungan antara potensi sumber daya laut, dinamika populasi, dan tingkat kesejahteraan masyarakat. Metodologi ini menawarkan fondasi empiris yang lebih komprehensif untuk formulasi kebijakan pembangunan yang berkeadilan dibandingkan dengan analisis sektoral tradisional.

Keywords


Keseimbangan pembangunan, pembelajaran mesin, disparitas wilayah, ekonomi kelautan, stratifikasi kemiskinan.

Full Text:

PDF

References


Albanna, I., & Laksono, R. T. H. (2022, November). Implementasi Pandas Data frame sebagai Agregasi dan Tabulasi Penyajian Data Luaran Survei Kepuasan Pengguna Proses Pembelajaran dalam Pendidikan Tinggi. In Prosiding Seminar Nasional Sains dan Teknologi Terapan.

Azulaidin, A. (2021). Pengaruh pertumbuhan penduduk terhadap pertumbuhan ekonomi. Juripol (Jurnal Institusi Politeknik Ganesha Medan), 4(1), 30-34.

Badan Pusat Statistik Provinsi Dki Jakarta. (26 September 2022). Statistik Daerah Provinsi DKI Jakarta 2022.

Bappenas. (2020). Laporan SDGs tahun 2020.

Budiharto, W. (2016). Machine learning & computational intelligence. ANDI, Yogyakarta.

Ganesha, E., & Husein, S. (2024). Analisis driven factor pertambahan penduduk dari persepsi lingkungan masyarakat (studi kasus Jakarta Pusat). Indoor Environmental Quality and Green Building, 1(1), 14-24.

Han, J., Pei, J., & Tong, H. (2022). Data mining: concepts and techniques. Morgan kaufmann.

Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer.

Hunter, J. D. (2007). Matplotlib: A 2D graphics environment. Computing in science & engineering, 9(03), 90-95.

Jain, A. K. (2010). Data clustering: 50 years beyond K-means. Pattern recognition letters, 31(8), 651-666.

Junaidi, S., Devegi, M., & Kurniawan, H. (2023). Pelatihan Pengolahan dan Visualisasi Data Penduduk menggunakan Python. ADMA: Jurnal Pengabdian dan Pemberdayaan Masyarakat, 4(1), 151-162.

Kementerian Kelautan dan Perikanan. (2021). Laporan Tahunan 2021.

Kusrini, Luthfi, E. T., & Amikom, U. (2009). Algoritma data mining. Penerbit Andi.

Muhammad Arhami, S. S. M. K., & Muhammad Nasir, S. T. M. T. (2020). Data Mining-Algoritma dan Implementasi.

McKinney, W. (2012). Python for data analysis: Data wrangling with Pandas, NumPy, and IPython. " O'Reilly Media, Inc.".

Nova, S., Khotimah, N., & Aryati Wahyuningrum, M. Y. (2024). PEMANFAATAN CHATBOT MENGGUNAKAN NATURAL LANGUAGE PROCESSING UNTUK PEMBELAJARAN DASAR-DASAR GUI TKINTER PADA BAHASA PEMROGRAMAN PYTHON. Jurnal Ilmiah Teknik (JUIT), 3(1), 58–65.

Oliphant, T. E. (2015). Guide to NumPy. Continuum Press.

Praja, R. B., Muchtar, M., & Sihombing, P. R. (2023). Analisis Pengaruh Indeks Pembangunan Manusia, Laju Pertumbuhan Penduduk, dan Tingkat Pengangguran Terbuka terhadap Kemiskinan di DKI Jakarta. Ecoplan, 6(1), 78-86.

Rahman, A., & Suroyo, H. (2021). Analisis data produk elektronik di e-commerce dengan metode algoritma k-means menggunakan python. Journal of Advances in Information and Industrial Technology, 3(2), 11-18.

Sa'adah, U. (2021). Kupas Tuntas Algoritma Data Mining dan Implementasi dengan R. UB Press.

SUHARSONO, S. (2023). Visualisasi Data Dari Data Ketidakhadiran Mahasiswa Menggunakan Pemrograman Python. Jurnal Teknologi Informasi, 2(2), 103-113.

Sulika, S., Kusumawati, R., & Arif, Y. M. (2024). Classification of students' academic performance using Neural Network and C4. 5 model. International Journal of Advances in Data and Information Systems, 5(1), 29-38.

Susanti, A. I., Aminarista, A., Martini, N., Rahmah, N., & Astuti, S. (2021). The effect of breastfeeding calendar training on knowledge and attitudes of mothers in exclusive breastfeeding. Jurnal Gizi Indonesia (The Indonesian Journal of Nutrition), 10(1), 80-87.

Tebay, S., Handayani, T., Pranata, B., Manan, J., & YS, G. (2023). Sumber Daya Perairan Papua Fakta dan Prospek. Deepublish.

Van Rossum, G., & Drake, F. L. (1995). Python reference manual (Vol. 111, pp. 1-52). Amsterdam: Centrum voor Wiskunde en Informatica.

Yunianto, D. (2021, October). Analisis pertumbuhan dan kepadatan penduduk terhadap pertumbuhan ekonomi. In Forum Ekonomi (Vol. 23, No. 4, pp. 688-699).




DOI: https://doi.org/10.31932/jutech.v6i1.5035

Article Metrics

Abstract view : 81 times
PDF - 42 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Muhammad Arif Arkan, Farhan Nul Hakim, Ghiyats Al Robbani, Meta Windyawati Windyawati, Agun Afiransah Afriansah

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Creative Commons License
JUTECH: Journal Education and Technology is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.