PEMETAAN KARAKTERISTIK PENGADUAN PELAYANAN PUBLIK DI SUMATERA MENGGUNAKAN K-MEANS, HIERARCHICAL CLUSTERING, DAN CORRESPONDENCE ANALYSIS (CA)

Authors

  • Tengku Reza Pahlepi Program Studi Statistika, Fakultas Sains dan Teknologi, Universitas Terbuka, Tangerang Selatan, Indonesia
  • Emeylia Safitri Program Studi Statistika, Fakultas Sains dan Teknologi, Universitas Terbuka, Tangerang Selatan, Indonesia

Keywords:

Pelayanan Publik, K-Means, Hierarchical Clustering, Correspondence Analysis, Sumatera

Abstract

Pelayanan Publik merupakan hak bagi setiap warga negara dan juga hal ini menjadi salah satu indikator penting untuk menilai peran serta kehadiran pemerintah dalam memberikan kebutuhan masyarakat mulai dari penyediaan barang, jasa, dan layanan administratif dan lain lain sesuai dengan peraturan perundang undangan. Menurut data Ombudsman Republik Indonesia tahun 2025, jumlah pengaduan terkait pelayanan publik pada pemerintah di wilayah Provinsi Sumatera mencapai 6.530 pengaduan. Dari total pengaduan kategori Laporan yang tercatat di wilayah Sumatera, penelitian ini mengambil fokus pada 7 jenis substansi pengaduan tertinggi dengan jumlah pengaduan sebanyak 1.754. Penelitian ini bertujuan untuk menganalisis dan membandingkan data pengaduan pelayanan publik di Provinsi wilayah Sumatera berdasarkan jenis substansi yang masuk ke Ombudsman Republik Indonesia. Hasil penelitian ini menunjukkan bahwa metode yang digunakan menggunakan K-Means dengan jumlah klaster sebanyak 3 menghasilkan nilai silhouette score sebesar 0,1116. Selain itu, dengan menggunakan metode hierarchical clustering dengan jumlah klaster yang digunakan sebanyak 3 menghasilkan nilai silhouette score sebesar 0,1384. Perbandingan kedua metode menunjukkan bahwa hierarchical clustering dengan average linkage menghasilkan kualitas pengelompokan yang lebih baik dibandingkan metode K-Means karena memiliki nilai silhouette score yang lebih tinggi dan pemisahan klaster yang lebih jelas.

Downloads

Published

2026-08-31

Conference Proceedings Volume

Section

Artikel

Categories