<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="103767">
 <titleInfo>
  <title>PERBANDINGAN PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN KETENAGAKERJAAN ANTARA TAHUN 2019 DAN 2020 DENGAN DBSCAN (DENSITY BASED SPATIAL CLUSTERING OF APPLICATIONS WITH NOISE)</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>UMMIRA SHALEHA</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas mipa</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Keberhasilan pembangunan di bidang ketenagakerjaan dapat dilihat dari Indeks Pembangunan Ketenagakerjaan (IPK) yang tersusun dari sembilan indikator. Setiap provinsi di Indonesia memiliki kombinasi indikator IPK yang beragam. Oleh karena itu, perlu dilakukan analisis clustering untuk mengelompokkan provinsi di Indonesia berdasarkan indikator IPK. Pandemi Covid-19 yang muncul pada awal tahun 2020 berhasil merubah pola di bidang ketenagakerjaan. Sehingga pengelompokan harus dilakukan secara terpisah yaitu pada tahun 2019 dan 2020. Penelitian ini bertujuan untuk mengetahui apakah terdapat perbedaan hasil pengelompokan provinsi berdasarkan IPK antara tahun 2019 dan 2020 menggunakan DBSCAN, serta memperoleh informasi mengenai karakteristik setiap cluster. Terdapat sembilan indikator IPK yang akan dijadikan variabel dan 34 provinsi sebagai obkjek pengelompokan. Parameter yang terpilih berdasarkan indeks validitas adalah MinPts 3 dan epsilon 2,35 untuk tahun 2019 serta MinPts 3 dan epsilon 2,15 untuk tahun 2020. Pengelompokan ini memperoleh 2 cluster dan 15 provinsi yang menjadi noise pada tahun 2019 serta 20 provinsi yang menjadi noise pada tahun 2020. Provinsi yang masuk dalam cluster 1 memiliki rata-rata IPK yang lebih rendah dari cluster 2 untuk kedua tahun. Lima belas provinsi yang masuk dalam cluster 1 pada tahun 2019 terpecah menjadi tiga bagian pada tahun 2020, tujuh di antaranya masuk dalam cluster 1, tiga di antaranya masuk dalam cluster 2, dan lima sisanya menjadi noise. Empat provinsi yang tergolong dalam cluster 2  pada tahun 2019 terpecah menjadi dua bagian pada tahun 2020, salah satunya masuk dalam cluster 1 tahun 2020 dan tiga sisanya menjadi noise. Terdapat pula tiga provinsi yang pada tahun 2019 merupakan noise namun masuk dalam cluster 1 pada tahun 2020. Perbedaan jumlah provinsi yang menjadi noise antara tahun 2019 dan 2020 dipengaruhi oleh Pandemi Covid-19 sehingga pembangunan ketenagakerjaan di sebagian provinsi di Indonesia mengalami perlambatan atau sebaliknya.&#13;
&#13;
Kata Kunci : Cluster, Covid-19, DBSCAN, Indikator IPK, Noise, Provinsi&#13;
</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>103767</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-09-07 19:37:59</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-09-08 15:12:13</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>