ANALISIS K-MEANS CLUSTERING ANGKATAN KERJA BERDASARKAN JENIS KELAMIN, USIA, PENDIDIKAN, DAN PENDAPATAN PADA DATA SATUAN KERJA ANGKATAN NASIONAL TAHUN 2021

Abstract

Pengelompokan karakteristik angkatan kerja di Indonesia merupakan langkah krusial untuk memahami dinamika pasar tenaga kerja yang terus berkembang, terutama dalam menghadapi tantangan ketimpangan sosial-ekonomi. Penelitian ini menggunakan metode K-Means Clustering dengan Principal Component Analysis (PCA) sebagai teknik reduksi data untuk menganalisis data Survei Angkatan Kerja Nasional (SAKERNAS) tahun 2021 yang diselenggarakan oleh Badan Pusat Statistik (BPS), dengan mempertimbangkan variabel jenis kelamin, usia, pendidikan terakhir, pekerjaan utama, dan pendapatan bulanan. Setelah melalui tahap preprocessing dan standarisasi data, dengan analisis Elbow Method mengidentifikasi 6 cluster sebagai jumlah optimal yang menggambarkan variasi sosial-ekonomi di Indonesia. Hasil penelitian menunjukkan bahwa pekerja dengan pendidikan lebih tinggi dan usia yang lebih tua cenderung bekerja di sektor formal dengan pendapatan yang lebih besar, sementara pekerja dengan pendidikan rendah dan usia lebih muda lebih banyak bekerja di sektor informal dengan pendapatan yang lebih kecil. Temuan ini menekankan peran penting pendidikan dalam memengaruhi sektor pekerjaan dan tingkat pendapatan, memberikan panduan bagi pemerintah dalam merancang kebijakan ketenagakerjaan yang lebih efektif. Dengan pemahaman yang lebih mendalam tentang pola pengelompokan ini, BPS dan pemerintah dapat mengembangkan program pelatihan vokasional dan pendidikan yang lebih sesuai untuk meningkatkan daya saing tenaga kerja serta mengurangi kesenjangan sosial-ekonomi di Indonesia.