Pengelompokan Provinsi Berdasarkan Kualitas Jaringan Internet Dengan Metode Centroid Linkage

Abdullah Ahmad Dzikrullah(1*),

(1) Universitas Islam Indonesia
(*) Corresponding Author




DOI: https://doi.org/10.35580/jmathcos.v5i1.32363

Abstract


Internet pasca pandemi sekarang ini telah menunjukkan kekuatannya sebagai media akselerasi digital dan transformasi ekonomi. Internet yang berkualitas mutlak menjadi kebutuhan penting dalam menjalankan berbagai aktivitas. Pada kenyataanya, di Indonesia kualitas internet masih belum merata dan cenderung hanya bisa dinikmati beberapa daerah tertentu khususnya di Pulau Jawa dan Sumatera. Penelitian ini bertujuan untuk mengelompokkan 34 provinsi di Indonesia berdasarkan lima variabel yang menjadi faktor penentu kualitas jaringan internet agar nantinya dapat memetakan wilayah dari kualitas internet baik sampai yang kurang.Metode Centroid Linkage merupakan metode pengelompokan objek yang memiliki keunggulan pada penanganan data outlier. Hasil dari penelitian ini diperoleh empat kelompok provinsi dengan kelompok kualitas internet yang kurang berada pada Provinsi Papua dan Provinsi Papua Barat. Kontur dan topografi wilayah menjadi faktor alam dan kendala pemerintah dalam proses pemerataan internet berkualitas.

Full Text:

PDF

References


Arsham, H. (2011). Bartlett's Test. https://www.researchgate.net/publication/252322443.

BPS. (2018-2020). Banyaknya Desa Kelurahan yang Memiliki Menara Base Transceiver Station (BTS) menurut Provinsi dan Klasifikasi Daerah. Indonesia: https://www.bps.go.id/indicator/2/1677/1. diakses pada tanggal 16 Maret 2022.

BPS. (2019). Proporsi Individu Yang Menggunakan Internet Menurut Provinsi (Persen), 2017-2019. Jakarta: https://www.bps.go.id/indicator/27/1225/1/. diakses pada tanggal 16 Maret 2022.

BPS. (2021). Luas Daerah dan Jumlah Pulau Menurut Provinsi, 2021. Jakarta: https://www.bps.go.id/indikator/indikator/view_data_pub/0000/. diakses pada tanggal 16 Maret 2022.

G Plate, J. (2020). Rencana Strategis 2020-2024 Kementrian Komunikasi dan Informatika. Jakarta, Indonesia: https://web.kominfo.go.id/.

Kassambara, A. (2017). Practical Guide To Cluster Analysis in R Unsupervised Machine Learning. sthda.com.

Nielsen, F. (2016). Hierarchical Clustering. In F. Nielsen, Introduction to HPC with MPI for Data Science (pp. 221-239). Springer.

Silvi, R. (2018). Analisis Cluster dengan Data Outlier Menggunakan Centroid Linkage dan K-Means Clustering untuk Pengelompokan Indikator HIV/AIDS di Indonesia. Jurnal Matematika "MANTIK", 22-31.

Suharni. (2021). Data Mining Analisis Cluster K-Means Pada Indeks Pembangunan Teknologi, Informasi, dan Telekomunikasi. Journal of Technopreneurship and Information System (JTIS), 7-11.

Widodo, E., & Novita, S. N. (2018). Analisis Cluster Penderita Disabilitas Mental di Provinsi D.I. Yogyakarta Tahun 2016. KNPMP III 2018 (pp. 577-586). Surakarta: Program Studi Pendidikan Matematika FKIP UMS.


Article Metrics

Abstract view : 390 times | PDF view : 18 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 JMathCos (Journal of Mathematics, Computations, and Statistics)

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

Indexed by:

         

 

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