Transformasi Data Menjadi Kebijakan: Studi Clustering Hierarki pada Layanan Keagamaan Kementerian Agama
DOI:
10.29303/jm.v7i4.10261Published:
2025-12-12Downloads
Abstract
Indonesia adalah negara dengan keberagaman agama, budaya, dan kondisi geografis yang sangat kaya. Untuk memastikan kebijakan layanan keagamaan yang merata dan adil, penelitian ini menganalisis keberagaman karakteristik daerah. Tujuannya adalah untuk mengklasifikasikan provinsi-provinsi di Indonesia berdasarkan data layanan keagamaan. Metode yang digunakan adalah hierarchical clustering dengan lima algoritma dan tiga ukuran jarak. Kombinasi average linkage dan jarak chebyshev menghasilkan koefisien korelasi cophenetic tertinggi (0,969), menjadikannya algoritma paling optimal. Uji silhouette coefficient menunjukkan dua klaster sebagai jumlah optimal, dengan nilai silhouette coefficient sebesar 0,736, dan uji ANOVA memvalidasi bahwa perbedaan antar klaster signifikan. Klaster pertama terdiri dari Provinsi Aceh, Jawa Timur, Jawa Barat, dan Jawa Tengah, yang memiliki rata-rata setiap variabel lebih tinggi. Klaster kedua mencakup seluruh provinsi lainnya, termasuk DKI Jakarta, yang menunjukkan bahwa masih ada peluang untuk peningkatan kualitas layanan keagamaan. Temuan ini memberikan gambaran penting bagi Kementerian Agama untuk terus berupaya meningkatkan kualitas layanan keagamaan di seluruh wilayah Indonesia, dengan fokus pada perbaikan aspek layanan yang lebih luas.
Keywords:
ANOVA Cluster Analysis Hierarchical Clustering Religious Services Similarity DistanceReferences
Arifin. (2024). Analisis Terhadap Kebijakan Pemerintah dalam Mengatur Urusan Pemerintah Daerah di Era Desentraliasi Asimetris. PROGRESIF: Jurnal Hukum. XVIII(2), 208-235.
Azari, H., Hartanti, D., & Sari, A. A. (2024). Pengelompokan Produksi Padi dan Beras Provinsi Jawa Timur dengan Metode Agglomerative Hierarchical Clustering. Infotek: Jurnal Informatika dan Teknologi, 7(2), 379-389.
Candra, Y., & Dani, A. T. R. (2025). Mapping Crime-Prone Areas Using Principal Component Analysis (PCA) – Centroid Linkage. Multica Science and Technology (MST), 1(1), 1-8.
Candra, Y., Goejantoro, R., & Dani, A. T. R. (2024). Pengelompokan Provinsi Berdasarkan Indikator Ekonomi, Pendidikan, Kesehatan, dan Kriminalitas dengan Algoritma Centroid Linkage. Jurnal Ilmiah Matematika, Sains, dan Teknologi, 12(1), 1-7.
Dewi, A. F., & Ahadiyah, K. (2022). Agglomerative Hierarchy Clustering pada Penentuan Kelompok Kabupaten/Kota di Jawa Timur Berdasarkan Indikator Pendidikan. Zeta – Math Journal, 7(2), 57-63.
Hariyah. (2016). Tren Penelitian Studi Islam dalam Jurnal Badan Litbang dan Diklat Kemenag RI: Penggunaan Co-Words. Record and Library Journal, 2(2), 162-175.
Irwan, Sanusi, W., & Hasanah, A. (2024) Perbandingan Analisis Cluster Metode Complete Linkage dan Metode Ward dalam Pengelompokan Indeks Pembangunan Manusia di Sulawesi Selatan. Journal of Mathematics, Computations, and Statistics, 7(1), 75-86.
Ismail, G. (2024) Penerapan Analisis Klaster dan Prediksi Indeks Pembangunan Manusia untuk Mengevaluasi Kualitas Hidup Manusia dalam Pembangunan Nasional. Seminar Nasiona; Official Statistics, 559-569.
Juliyanto, R. M., Patria, F., Pamungkas, H. D., & Nugraha, F. S., (2024). Penerapan Algoritma Clustering untuk Segmentasi Pelanggan Berdasarkan Perilaku Pembelian. Seminar Nasional AMIKOM Surakarta (SEMNASA), e-ISSN: 3031-5581.
Khairiah, & Walid, A. (2020). Pengelolaan Keberagaman Budaya Melalui Multilingualisme di Indonesia. Fikri: Jurnal Kajian Agama, Sosial, dan Budaya. 5(1), 131-143.
Lawuna, M. P., Zega, Y., & Mendrofa, R. N. (2024). Analisis Cluster Mahasiswa Pendidikan Matematika Universitas Nias. Jurnal Cendekia: Jurnal Pendidikan Matematika, 8(2), 946-961.
Muhammad. (2024). Strategi Manajemen Pendidikan dalam Meningkatkan Kualitas Pendidikan di Era Digital. At-Ta’lim: Jurnal Pendidikan Agama Islam, 6(1), 67-78.
Putra, F. B., Dani, A. T. R., & Wigantono, S (2023). Penerapan Algoritma Hierarchical Clustering dalam Pengelompokkan Kabupaten/Kota di Papua Berdasarkan Indikator Kemiskinan. Matemathics and Applications Journal, 5(2),118-126.
Rizaldi, M. F., & Asnani. (2024). Analisis Penentuan dan Kebijakan Strategi Pengembangan Sektor Basis Wilayah Kabupaten Pesisir Barat. Sosiologi: Jurnal Ilmiah Kajian Ilmu Sosial dan Budaya, 26(1), 93-114.
Siraj, A. (2018). Refungsionalisasi Aparat Pelayanan Keagamaan di Kantor Kementerian Agama Kota Makassar. Jurnal Ilmiah Ilmu Administrasi Publik: Jurnal Pemikiran dan Pelayanan Administrasi Publik, 8(1), 45-52.
Siregar, A. M., Siregar. H. N. I., Fitria, A., Sastia, F., Diningtias, T. F., & Yusnaldi, E. (2024). Kondisi Geografis dan Penduduk. Jurnal Inovasi Pendidikan, 7(12), 150-156.
Sugiyono. (2018). Metodologi Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta
Suraya, G. R., & Wijayanto, A. W. (2022). Comparison of Hierarchical Clustering, K-Means, K-Medoids, and Fuzzy C-Means Method in Grouping Provinces in Indonesia according to the special Index for Handling Stunting. Indonesian Journal of Statistics and its Application, 6(2), 180-121.
Utami, R. K., Windarti, S., & Muslim, M. (2023). Analisis Data Penyakit DBD dengan K-Means Clustering di Kabupaten Bantul Menggunakan Data Mining. Jurnal Manajemen Informasi dan Administrasi Kesehatan (JMIAK), 6(2), 43-49.
Yafi, M., Goejantoro, R., & Dani, A. T. R. (2023). Pengelompokan Algoritma K-Medoids dengan Principal Component Analysis (PCA). Pras Seminar Nasional Matematika, Statistika, dan Aplikasinya, 3(1), 183-195.
Yahya, M. Z., Nurhaliza, S.,Fathan, M. A., Rizal, M. E., & Harismahyanti, A. (2025). Perbandingan Ukuran Jarak Pada Analisis Kluster Hirarki. Leibniz: Jurnal Matematika, 5(2), 93-111.
License
Copyright (c) 2025 Yossy Candra, Andrea Tri Rian Dani
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
