Analisis Clustering Pemerataan Fasilitas Pendidikan Desa di Indonesia Menggunakan Metode K-Means Berbasis Data BPS Tahun 2025

Gamaliel Jones Gerardo  Hutapea; Damayanti Damayanti

doi:10.58602/jaiti.v4i3.284

Gamaliel Jones Gerardo Hutapea Universitas Teknokrat Indonesia
Damayanti Damayanti ^{(Corresponding Author)} Universitas Teknokrat Indonesia

DOI: https://doi.org/10.58602/jaiti.v4i3.284

Keywords: K-Means Clustering, Pemerataan Pendidikan, Fasilitas Pendidikan Desa, Data Mining, BPS 2025

Abstract

Pemerataan fasilitas pendidikan desa merupakan salah satu faktor penting dalam mendukung pembangunan pendidikan yang berkelanjutan di Indonesia. Perbedaan ketersediaan fasilitas pendidikan antar wilayah dapat menyebabkan terjadinya ketimpangan akses pendidikan pada setiap provinsi. Penelitian ini bertujuan untuk melakukan clustering pemerataan fasilitas pendidikan desa di Indonesia menggunakan metode K-Means Clustering berdasarkan data Badan Pusat Statistik (BPS) Tahun 2025. Variabel yang digunakan dalam penelitian meliputi Sekolah Dasar (SD), Sekolah Menengah Pertama (SMP), Sekolah Menengah Atas (SMA), Sekolah Menengah Kejuruan (SMK), dan Perguruan Tinggi (PT). Penelitian ini menggunakan pendekatan kuantitatif berbasis data mining dengan tahapan analisis meliputi pengumpulan data, normalisasi data menggunakan metode Min-Max Normalization, penentuan jumlah cluster optimal menggunakan Elbow Method, dan proses clustering menggunakan aplikasi IBM SPSS Statistics. Hasil penelitian menunjukkan bahwa jumlah cluster optimal yang diperoleh adalah empat cluster. Mayoritas provinsi berada pada cluster dengan tingkat pemerataan fasilitas pendidikan rendah, sedangkan hanya beberapa provinsi yang berada pada cluster dengan tingkat pemerataan tinggi. Hasil penelitian ini menunjukkan bahwa pemerataan fasilitas pendidikan desa di Indonesia masih belum merata antar wilayah. Penelitian ini diharapkan dapat menjadi bahan pertimbangan dalam mendukung pengambilan kebijakan pembangunan pendidikan yang lebih tepat sasaran.

Downloads

Download data is not yet available.

References

U. Nations, “Sustainable Development Goals Report 2024,” 2024. [Daring]. Tersedia pada: https://unstats.un.org/sdgs/report/2024/

B. P. Statistik, Statistik Pendidikan 2025. Jakarta: BPS RI, 2025. [Daring]. Tersedia pada: https://www.bps.go.id

B. P. Statistik, Jumlah Desa yang Memiliki Fasilitas Sekolah Menurut Provinsi dan Tingkat Pendidikan Tahun 2025. Jakarta: BPS RI, 2025. [Daring]. Tersedia pada: https://www.bps.go.id

J. Han, M. Kamber, dan J. Pei, Data Mining: Concepts and Techniques, 4th Edition. Morgan Kaufmann, 2022.

D. N. Herlina dan K. Windhani, “The Influence of Social, Economic, and Ecological Aspects on Village Development Index in Indonesia,” J. Ekon. Pembang., 2025, [Daring]. Tersedia pada: https://jurnal.feb.unila.ac.id/index.php/jep/article/view/3892

M. Fatayat dan S. H. Supangkat, “Clustering Socio-Economic Risk Zones for School Dropout: A Data-Driven Approach for Education Intervention in Indonesia,” IEEE, 2025. [Daring]. Tersedia pada: https://ieeexplore.ieee.org/abstract/document/11389433/

A. Yudono, A. Hidayat, dan W. P. Wijayanti, “Spatial Clustering of The Village Development Index Using K-Means and DBSCAN Approaches in Machine Learning: A Case Study in Malang Regency, Indonesia,” in IOP Conference Series: Earth and Environmental Science, 2026. [Daring]. Tersedia pada: https://iopscience.iop.org/article/10.1088/1755-1315/1595/1/012031/meta

A. P. E. Susilowati, R. Rachmawati, dan R. Rijanta, “Smart Village Concept in Indonesia: ICT as Determining Factor,” Heliyon, 2025, [Daring]. Tersedia pada: https://www.cell.com/heliyon/fulltext/S2405-8440(25)00037-4

R. D. Saleh, E. Rustiadi, dan A. Fauzi, “Mapping Island Village Typology Based on Spatial and Socio-Economic Characteristics in Maluku Province, Indonesia,” Int. J. Sustain. Dev. Plan., 2025, [Daring]. Tersedia pada: https://iieta.org/sites/default/files/pdf/2025-07/ijsdp_20.06_09.pdf

Sugiyono, Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta, 2022.

P.-N. Tan, M. Steinbach, dan V. Kumar, Introduction to Data Mining. Pearson Education, 2019.

Kusrini dan E. T. Luthfi, Algoritma Data Mining. Yogyakarta: Andi Publisher, 2021.

B. Santosa, Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu, 2020.

T. M. Kodinariya dan P. R. Makwana, “Review on Determining Number of Cluster in K-Means Clustering,” Int. J. Adv. Res. Comput. Sci. Manag. Stud., vol. 1, no. 6, hal. 90–95, 2019.

I. Ghozali, Aplikasi Analisis Multivariate dengan Program IBM SPSS 26. Semarang: Badan Penerbit Universitas Diponegoro, 2021.