Penerapan Clustering Time Series pada Pengelompokan Provinsi di Indonesia (Studi Kasus : Nilai Ekspor Non Migas di Indonesia Tahun 2016-2020)
Abstract views: 501
DOI:
https://doi.org/10.36456/jstat.vol15.no2.a5550
Keywords:
cluster time series, dynamic time warping, euclid, hierarchical clustring, eksporAbstract
Ekspor non migas merupakan ekspor barang yang bukan berupa minyak dan gas. Tidak semua daerah di Indonesia memiliki potensi yang sama untuk melakukan kegiatan ekspor sehingga setiap daerah memiliki nilai ekspor yang berbeda-beda. Oleh karena itu dilakukan analisis pengelompokkan provinsi di Indonesia berdasarkan nilai ekspor non migas tahun 2016 – 2020 menggunakan cluster time series dengan metode hierarki clustering agglomerative diantaranya complete lingke yaitu pengelompokkan berdasarkan jarak terbesar antar objek dan centroid linkage merupakan nilai tengah observasi pada variabel dalam satu cluster, serta menggunakan pengukuran jarak Euclidean dan Dynamic Time Warping (DTW) dengan tujuan yaitu untuk memperoleh pengukuran jarak terbaik dengan metode yang optimal guna mendapatkan cluster yang representatif. Berdasarkan hasil analisis pengelompokkan Provinsi di Indonesia terhadap nilai ekspor non migas tahun 2016 - 2020 didapatkan pengukuran jarak kemiripin yang paling baik yaitu jarak DTW dan metode yang optimal yaitu centroid linkage berdasarkan pada nilai koefisien cophenetic sebesar 0.92 dengan kategori good cluster berdasarkan nilai koefisien silhouette yaitu 0.60. Sehingga didapatkan tiga cluster yaitu nilai ekspor tinggi, sedang dan rendah, diantaranya 24 Provinsi dengan nilai ekspor rendah, 9 Provinsi dengan nilai ekspor sedang, dan 1 Provinsi dengan nilai ekspor tinggi.
Downloads
References
Ardiansyah, M. (2014). Penggunaan Jarak Dynamic Time Warping (DTW) Pada Analisis Cluster Data Deret Waktu ( Studi Kasus Pada Dana Pihak Ketiga Provinsi Se- Indonesia ). Jurnal Mahasiswa Statistik, 2(4), 277–280.
da Silva, A. R., & Dias, C. T. dos S. (2013). A cophenetic correlation coefficient for tocher’s method. Pesquisa Agropecuaria Brasileira, 48(6), 589–596. https://doi.org/10.1590/S0100-204X2013000600003 DOI: https://doi.org/10.1590/S0100-204X2013000600003
Dani, A. T. R., Wahyuningsih, S., & Rizki, N. A. (2019). Penerapan Hierarchical Clustering Metode Agglomerative pada Data Runtun Waktu. Jambura Journal of Mathematics, 1(2), 64–78. https://doi.org/10.34312/jjom.v1i2.2354 DOI: https://doi.org/10.34312/jjom.v1i2.2354
Dewi, D. A. I. C., & Pramita, D. A. K. (2019). Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali. Matrix : Jurnal Manajemen Teknologi dan Informatika, 9(3), 102–109. https://doi.org/10.31940/matrix.v9i3.1662 DOI: https://doi.org/10.31940/matrix.v9i3.1662
Feriyanto, A. (2015). Perdagangan Internasional “Kupas Tuntas Prosedur Ekspor Impor”. Yogyakarta: PT. Pustaka Baru.
Halim, N. N., & Widodo, E. (2017). Clustering dampak gempa bumi di indonesia menggunakan kohonen self organizing maps. Prosiding SI MaNIS (Seminar Nasional Integrasi Matematika dan Nilai Islami), 1(1), 188–194. http://conferences.uin-malang.ac.id/index.php/SIMANIS/article/view/62
Kementerian Perdagangan Republik Indonesia, (April 27, 2021), Citing Internet sources URL https://hero.kemendag.go.id/
Manso, P. M., Vilar, J. A., & Montero, M. P. (2020). Package ‘TSclust’
Munthe, A. D. (2019). Penerapan Clustering Time Series Untuk Menggerombolkan Provinsi Di Indonesia Berdasarkan Nilai Produksi Padi. Jurnal Litbang Sukowati : Media Penelitian dan Pengembangan, 2(2), 11. https://doi.org/10.32630/sukowati.v2i2.61 DOI: https://doi.org/10.32630/sukowati.v2i2.61
Putu Widya Adnyani, L., & Robinson Sihombing, P. (2021). Analisis Cluster Time Series Dalam Pengelompokan Provinsi Di Indonesia Berdasarkan Nilai PDRB. Lppm Bina Bangsa, 1(1), 47–54. http://bayesian.lppmbinabangsa.id/index.php/home
Rahmawati, L., Abadyo, & Lestari, T. E. (2013). Analisis Kelompok Dengan Menggunakan Metode Hierarki Untuk Pengelompokan Kabupaten/Kota Di Jawa Timur Berdasar Indikator Kesehatan. Universitas Negeri Malang.
Shirkhorshidi, A. S., Aghabozorgi, S., & Ying Wah, T. (2015). A Comparison study on similarity and dissimilarity measures in clustering continuous data. PLoS ONE, 10(12), 1–20. https://doi.org/10.1371/journal.pone.0144059 DOI: https://doi.org/10.1371/journal.pone.0144059
Silvi, R. (2018). Analisis Cluster dengan Data Outlier Menggunakan Centroid Linkage dan K-Means Clustering untuk Pengelompokkan Indikator HIV/AIDS di Indonesia. Jurnal Matematika “MANTIK,” 4(1), 22–31. https://doi.org/10.15642/mantik.2018.4.1.22-31 DOI: https://doi.org/10.15642/mantik.2018.4.1.22-31
Tumanggor, H. (2019). Analisis Pengaruh Investasi, Ekspor Dan Konsumsi Terhadap Pdrb Sumatera Utara Tahun 2000-2017. http://repository.uhn.ac.id/handle/123456789/3618
Wijaya, S. U., & Ngatini, N. N. (2020). Pengembangan Pemodelan Harga Beras di Wilayah Indonesia Bagian Barat dengan Pendekatan Clustering Time Series. Limits: Journal of Mathematics and Its Applications, 17(1), 51. https://doi.org/10.12962/limits.v17i1.5994 DOI: https://doi.org/10.12962/limits.v17i1.5994
