PENGELOMPOKAN WILAYAH DI INDONESIA BERDASARKAN INDIKATOR KERAWANAN EKONOMI PASCA PANDEMI COVID-19 (K-MEANS CLUSTER ALGORITHM)

  • Riszty Budi Deviana
  • Subuh Sukmono Putro
N/ACitations
Citations of this article
10Readers
Mendeley users who have this article in their library.

Abstract

Pandemi Covid-19 membawa dampak multisektor secara global. Wabah yang datang secara masif seolah menjadi uji kekuatan dan ketahanan bagi setiap negara, termasuk Indonesia. Tidak hanya di bidang kesehatan, perekonomian juga turut terkena pukulan telak. Resesi ekonomi serta peningkatan persentase penduduk miskin dan pengangguran menjadi bukti adanya kerusakan ekonomi akibat pandemi. Meskipun dampak pandemi dirasakan seluruh wilayah di Indonesia, akan tetapi terdapat perbedaan derajat dampak yang dihasilkan. Perbedaan kondisi setiap daerah sebelum pandemi, kesiapan menghadapi pandemi, serta struktur penduduk dan ekonomi menjadi beberapa faktor yang menyebabkan heterogenitas dampak. Perekonomian menjadi salah satu indikator penting pencapaian suatu wilayah. Kondisi ekonomi yang berbeda antar daerah pasca pandemi membuat setiap daerah memiliki tingkat kerawanan ekonominya masing-masing. Perbedaan ini berimplikasi pada perlunya penyiapan strategi dan kebijakan berbasis kewilayahan. Oleh karena itu, kajian ini mencoba menyajikan gambaran terkini kondisi kerawanan ekonomi setiap provinsi di Indonesia dengan mengelompokkan wilayah-wilayah yang memiliki karakteristik homogen. Pengelompokan dilakukan dengan pendekatan K-Means Cluster Algorithm dan memetakan provinsi-provinsi di Indonesia menjadi empat kelompok kerawanan ekonomi. Pengelompokan ini diharapkan dapat memberikan informasi dan pertimbangan bagi pemerintah dalam menentukan kebijakan ekonomi berbasis kewilayahan.

Cite

CITATION STYLE

APA

Riszty Budi Deviana, & Subuh Sukmono Putro. (2023). PENGELOMPOKAN WILAYAH DI INDONESIA BERDASARKAN INDIKATOR KERAWANAN EKONOMI PASCA PANDEMI COVID-19 (K-MEANS CLUSTER ALGORITHM). Seminar Nasional Pariwisata Dan Kewirausahaan (SNPK), 2, 544–555. https://doi.org/10.36441/snpk.vol2.2023.167

Register to see more suggestions

Mendeley helps you to discover research relevant for your work.

Already have an account?

Save time finding and organizing research with Mendeley

Sign up for free