Analisis Longitudinal dan Klasterisasi K-Means Disparitas Gender dalam Akses Internet di Indonesia

Penulis

  • Dimas Dwi Randa Institut Teknologi Sumatera
  • Revi Gusriva Universitas Putra Indonesia YPTK Padang

DOI:

https://doi.org/10.55382/jurnalpustakadata.v6i2.1819

Kata Kunci:

disparitas gender, akses internet, k-means clustering, silhouette score, indonesia

Abstrak

Perkembangan teknologi informasi telah menjadikan internet sebagai sarana penting dalam mendukung aktivitas sosial, ekonomi, dan pendidikan masyarakat. Namun, kesenjangan akses internet antara laki-laki dan perempuan masih menjadi permasalahan di beberapa wilayah Indonesia. Penelitian ini bertujuan untuk menganalisis disparitas gender dalam akses internet pada tingkat provinsi serta mengelompokkan provinsi berdasarkan karakteristik akses tersebut. Data yang digunakan mencakup 38 provinsi di Indonesia berupa persentase penduduk yang mengakses internet menurut jenis kelamin pada tahun 2023. Metode yang digunakan adalah algoritma K-Means untuk mengelompokkan provinsi berdasarkan tingkat akses internet laki-laki dan perempuan. Penentuan jumlah cluster optimal dilakukan menggunakan metode Elbow dan menghasilkan tiga cluster (k = 3), sedangkan kualitas hasil clustering dievaluasi menggunakan Silhouette Score sebesar 0.59. Hasil penelitian menunjukkan bahwa provinsi di Indonesia dapat dikelompokkan ke dalam beberapa cluster dengan karakteristik tingkat akses internet yang berbeda. Provinsi dengan tingkat penetrasi internet yang lebih tinggi cenderung memiliki kesenjangan gender yang lebih kecil, sedangkan provinsi dengan tingkat akses yang lebih rendah menunjukkan kesenjangan yang lebih besar. Temuan ini memberikan gambaran mengenai pola kesenjangan digital berbasis gender di Indonesia serta dapat menjadi dasar dalam perumusan kebijakan untuk pemerataan akses internet.

Unduhan

Data unduhan belum tersedia.

Referensi

Badan Pusat Statistik, Statistik Telekomunikasi Indonesia 2023, Jakarta: BPS, 2023.

Joshi, A., Malhotra, B., Amadi, C., Loomba, M., Misra, A., Sharma, S., dan Arora, A. 2020. Gender and the digital divide across urban slums. Journal of Medical Internet Research. 22(6): 1-12.

Abid, A., Kachouri, A., dan Mahjoub, M. 2021. Clustering algorithms for big data: Taxonomy and empirical analysis. Journal of Big Data. 8(1): 1-24.

Rousseeuw, P.J. 2020. Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics. 20: 53-65.

Arthur, D., dan Vassilvitskii, S. 2020. K-means++: The advantages of careful seeding. SIAM Review. 52(1): 1-20.

Wati, S., et al. 2024. Identification of digital divide across Indonesian provinces using clustering analysis. Statistika Journal. 12(2): 45-60.

Prasetyo, E., dan Sari, R. 2021. Penerapan algoritma K-Means untuk pengelompokan tingkat penggunaan internet di Indonesia. Jurnal RESTI. 5(3): 456-463.

Rahman, A., dan Fitriani, D. 2022. Analisis clustering K-Means pada data pengguna internet di Indonesia. Jurnal Teknologi Informasi dan Ilmu Komputer. 9(2): 245-252.

Nugroho, Y., dan Putri, A. 2020. Pemetaan kesenjangan digital di Indonesia menggunakan metode K-Means clustering. Jurnal Ilmu Komputer dan Informasi. 13(1): 1-10.

Saputra, R., dan Widodo, A. 2021. Implementasi K-Means clustering untuk analisis disparitas akses teknologi informasi di Indonesia. Jurnal Nasional Teknik Elektro dan Teknologi Informasi. 10(4): 321-328.

Sari, M., dan Putra, D. 2023. Analisis disparitas akses teknologi informasi berbasis gender menggunakan data mining. Jurnal Sistem Informasi dan Teknologi Informasi. 11(2): 101-11

##submission.downloads##

Diterbitkan

2026-04-19

Cara Mengutip

Dwi Randa, D., & Gusriva, R. (2026). Analisis Longitudinal dan Klasterisasi K-Means Disparitas Gender dalam Akses Internet di Indonesia. Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, Dan Arsitektur Komputer), 6(2), 93–98. https://doi.org/10.55382/jurnalpustakadata.v6i2.1819