ANALISIS PENGELOMPOKAN NEGARA DI DUNIA BERDASARKAN INDEKS KEBAHAGIAN MENGGUNAKAN METODE AGGLOROMERATIVE HIERARCHICAL CLUSTERING

Penulis

  • M.Fauzan Hidayat Universitas Negeri Medan
  • Rendy Zikriansyah F. S Universitas Negeri Medan
  • Azura Calista Universitas Negeri Medan
  • Arnita Universitas Negeri Medan
  • Joel Arie Putranta Universitas Negeri Medan
  • Khaira Nazla Universitas Negeri Medan

Kata Kunci:

Writing Guidelines, Scientific Manuscripts, JIDS

Abstrak

Penelitian ini bertujuan untuk mengelompokkan negara-negara di dunia berdasarkan tingkat kebahagiaan menggunakan metode Agglomerative Hierarchical Clustering (AHC). Data yang digunakan diambil dari World Happiness Report tahun 2019 dengan variabel seperti GDP per kapita, harapan hidup, kebebasan memilih, kepercayaan, dan kemurahan hati. Setelah dilakukan preprocessing termasuk normalisasi data dan uji multikolinieritas, metode AHC diterapkan menggunakan pendekatan average linkage dan jarak Mahalanobis. Penelitian ini menemukan tiga klaster negara berdasarkan tingkat kebahagiaan: klaster dengan kebahagiaan rendah, sedang, dan tinggi. Hasil visualisasi dendogram membantu memahami hierarki hubungan antar-negara dalam setiap klaster. Penelitian ini menunjukkan pentingnya faktor-faktor ekonomi dan sosial dalam menentukan tingkat kebahagiaan suatu negara. Purpose: Tujuan dari penelitian ini adalah untuk mengelompokkan negara-negara berdasarkan tingkat kebahagiaan mereka menggunakan metode Agglomerative Hierarchical Clustering (AHC). Motivasi dari penelitian ini adalah untuk mengidentifikasi dan memahami bagaimana faktor-faktor sosial ekonomi dan sosial lainnya, seperti GDP per kapita, harapan hidup, kebebasan memilih, kepercayaan, dan kemurahan hati, memengaruhi kebahagiaan suatu populasi. Dengan membangun dari laporan-laporan sebelumnya tentang kebahagiaan global, penelitian ini bertujuan untuk memberikan pemahaman yang lebih jelas dan berbasis data tentang bagaimana faktor-faktor tersebut saling berinteraksi dan berkontribusi terhadap kebahagiaan keseluruhan di berbagai negara. Temuan utama dari penelitian ini akan membantu para pembuat kebijakan dalam menentukan area yang perlu diperbaiki untuk meningkatkan tingkat kebahagiaan warga negara mereka. Methods/Study design/approach: Penelitian ini menggunakan metode Agglomerative Hierarchical Clustering (AHC) untuk mengklasifikasikan negara-negara berdasarkan tingkat kebahagiaan mereka. Data yang digunakan berasal dari World Happiness Report tahun 2019 dan mencakup beberapa variabel kunci: GDP per kapita, harapan hidup, kebebasan memilih, kepercayaan (diukur melalui persepsi terhadap korupsi), dan kemurahan hati. Proses pra-pengolahan data meliputi deteksi outlier, normalisasi, dan uji multikolinieritas untuk memastikan akurasi dalam proses pengelompokan. Metode average linkage dan jarak Mahalanobis digunakan untuk mengelompokkan negara-negara ke dalam klaster. Teknik visualisasi, seperti dendrogram, digunakan untuk membantu memahami hubungan antar-negara di setiap klaster. Result/Findings: Penelitian ini berhasil mengelompokkan negara-negara di dunia berdasarkan tingkat kebahagiaan menggunakan metode Agglomerative Hierarchical Clustering (AHC) dengan pendekatan Avarage. Tiga klaster utama terbentuk, yaitu klaster dengan tingkat kebahagiaan rendah, sedang, dan tinggi. Variabel-variabel seperti GDP per kapita, harapan hidup, dukungan sosial, kebebasan, dan kepercayaan memiliki pengaruh signifikan dalam membedakan klaster. Klaster dengan tingkat kebahagiaan tertinggi menunjukkan rata-rata GDP dan harapan hidup yang lebih tinggi dibandingkan klaster lainnya. Penelitian ini juga menemukan adanya korelasi yang kuat antara GDP dan harapan hidup, yang menjadi faktor utama dalam menentukan tingkat kebahagiaan suatu negara. Dengan perhitungan jarak Mahalanobis dan penggunaan metode Avarage, klaster yang dihasilkan lebih kompak dan minim varian.. Novelty/Originality/Value: Keunikan dari penelitian ini terletak pada penggunaan metode Agglomerative Hierarchical Clustering (AHC) dengan pendekatan Avarage dalam mengelompokkan negara berdasarkan indeks kebahagiaan. Penggunaan teknik Principal Component Analysis (PCA) untuk mengatasi masalah multikolinieritas juga merupakan pendekatan baru yang memperbaiki akurasi klasterisasi. Selain itu, penelitian ini memberikan kontribusi dengan menyajikan visualisasi dendrogram yang mempermudah interpretasi hubungan antar-negara berdasarkan faktor-faktor kebahagiaan. Penelitian ini memberikan nilai tambah dengan analisis mendalam terhadap data kebahagiaan global dan mampu mengidentifikasi faktor-faktor utama yang berkontribusi pada kebahagiaan di berbagai negara, yang dapat digunakan sebagai dasar pengambilan kebijakan untuk meningkatkan kesejahteraan global.

Unduhan

Diterbitkan

2024-10-31