Analisis Klaster Kecamatan di Surabaya Berdasarkan Indikator Kesetaraan Pendidikan Jenjang SMA dan SMK Menggunakan K-Means Clustering dan Self-Organizing Map

Amalina, Shabrina Siti (2025) Analisis Klaster Kecamatan di Surabaya Berdasarkan Indikator Kesetaraan Pendidikan Jenjang SMA dan SMK Menggunakan K-Means Clustering dan Self-Organizing Map. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 2043211045_Undergradute_Theses.pdf Restricted to Repository staff only until 1 April 2027. Download (4MB) | Request a copy

Abstract

Meratanya akses pendidikan sangat krusial untuk meningkatkan kualitas hidup dan mengurangi ketidakstabilan sosial. Ketimpangan akses pendidikan dengan kategori negeri dan swasta pada jenjang SMA dan SMK di Kota Surabaya menjadi isu yang signifikan, ditandai dengan perbedaan jumlah sekolah negeri dan swasta serta rasio guru-murid yang tidak merata. Penelitian ini bertujuan untuk menganalisis pola distribusi pendidikan menggunakan metode K-Means Clustering dan Self-Organizing Map (SOM). SOM digunakan untuk memvisualisasikan data multivariat SMA, SMK, dan kependudukan dalam peta topologi, sementara K-Means Clustering digunakan untuk mengelompokkan kecamatan berdasarkan karakteristik yang serupa. Data yang digunakan meliputi variabel pendidikan dan demografi dari 31 kecamatan di Surabaya pada tahun 2023. Penelitian ini juga mengembangkan dashboard dengan berbasis R Shiny untuk mempermudah pemahaman dan visualisasi hasil analisis klasterisasi. Hasil penelitian menunjukkan bahwa klasterisasi yang terbaik adalah menggunakan K-Means Clustering dengan 3 klaster, hasil ini memberikan gambaran yang jelas tentang distribusi pendidikan sekolah menengah di Kota Surabaya dan berhasil mengidentifikasi kelompok kecamatan yang membutuhkan perhatian khusus. Pengembangan dashboard yang dihasilkan mampu mendukung pemangku kepentingan dalam mengevaluasi kondisi pendidikan dan merencanakan kebijakan secara lebih efektif. Dengan temuan ini, penelitian diharapkan menjadi acuan bagi pengambilan keputusan berbasis data untuk meningkatkan pemerataan pendidikan di Kota Surabaya, khususnya dalam aspek distribusi sekolah, rasio guru-murid, dan aksesibilitas pendidikan di setiap kecamatan.
===================================================================================================================================
Equitable access to education is crucial for improving quality of life and reducing social instability. Disparities in educational access between public and private categories at the high school (SMA) and vocational school (SMK) levels in Surabaya have become a significant issue, marked by differences in the number of schools and unequal teacher-student ratios. This study aims to analyze the distribution patterns of education using the K-Means Clustering and SelfOrganizing Map (SOM) methods. SOM was employed to visualize multivariate educational and demographic data in a topological map, while K-Means Clustering was used to group subdistricts based on similar characteristics. The data utilized included educational and demographic variables from 31 sub-districts in Surabaya in 2023. This study also developed a dashboard based on R Shiny to facilitate the understanding and visualization of clustering results. The results show that the best clustering is using K-Means Clustering with 3 clusters, these results provide a clear picture of the distribution of secondary school education in Surabaya City and successfully identify sub-districts group that require special attention. The resulting dashboard development is able to support stakeholders in evaluating education conditions and planning policies more effectively. With these findings, the research is expected to serve as a reference for data-based decision-making to improve education equity in Surabaya City, especially in the aspects of school distribution, student-teacher ratio, and education accessibility in each sub-district.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	K-Means Clustering, Pemerataan Pendidikan, Sekolah Menengah Atas, Sekolah Mengah Kejuruan, Self-Organizing Map
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) H Social Sciences > HA Statistics H Social Sciences > HM Sociology L Education > L Education (General)
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Shabrina Siti Amalina
Date Deposited:	12 Feb 2025 00:29
Last Modified:	12 Feb 2025 00:29
URI:	http://repository.its.ac.id/id/eprint/118658

Actions (login required)

View Item