Visualisasikan Pendidikan
Berkualitas, Ciptakan
Kesetaraan Antar Wilayah

EDUCLUSTER adalah dashboard interaktif yang memvisualisasikan dan mengklasterisasi wilayah Surabaya berdasarkan indikator kualitas pendidikan. Platform ini menggunakan metode K-Medoids untuk pengelompokan wilayah dan pembobotan AHP (Analytical Hierarchy Process) untuk menentukan skor kualitas pendidikan.

Dengan EDUCLUSTER, pengguna dapat melihat perbedaan kualitas pendidikan di berbagai kecamatan di Surabaya melalui visualisasi peta interaktif. Platform ini memudahkan para pemangku kepentingan untuk mengidentifikasi kesenjangan pendidikan antar wilayah, sehingga membantu dalam perencanaan kebijakan pendidikan yang lebih tepat sasaran dan efektif.

Dikembangkan sebagai bagian dari tugas akhir di Institut Teknologi Sepuluh Nopember (ITS), EDUCLUSTER menggabungkan pendekatan data science dan visualisasi data untuk menciptakan alat analisis pendidikan yang komprehensif.

Dashboard EDUCLUSTER sangat mudah digunakan dan menawarkan banyak fitur interaktif. Berikut adalah langkah-langkah dasar untuk menggunakan platform:

1. Mulai Eksplorasi - Klik tombol "Mulai Eksplorasi" pada halaman utama untuk mengakses dashboard interaktif.

2. Peta Klaster - Gunakan visualisasi peta interaktif untuk melihat pengelompokan kecamatan berdasarkan indikator pendidikan. Warna berbeda menunjukkan klaster yang berbeda berdasarkan hasil algoritma K-Medoids.

3. Statistik Pendidikan - Akses grafik dan heatmap yang menunjukkan persebaran indikator pendidikan. Anda dapat memfilter data berdasarkan jenjang pendidikan, tahun, atau indikator spesifik.

4. Klasterisasi Wilayah - Pelajari hasil pengelompokan kecamatan dengan detail karakteristik setiap klaster.

5. Data Wilayah - Klik pada kecamatan tertentu untuk melihat profil lengkapnya, termasuk nilai indikator pendidikan dan skor kualitas pendidikan berdasarkan pembobotan AHP.

Dashboard ini dirancang agar intuitif dengan navigasi yang mudah dan visualisasi yang informatif. Kontrol interaktif memungkinkan Anda menyesuaikan tampilan sesuai dengan kebutuhan analisis Anda.

K-Medoids adalah algoritma clustering (pengelompokan) yang merupakan variasi dari algoritma K-Means yang lebih robust terhadap noise dan outlier. Perbedaan utamanya terletak pada cara pemilihan titik pusat klaster.

Cara Kerja K-Medoids:

1. Pemilihan Medoid - Tidak seperti K-Means yang menggunakan centroid (mean/rata-rata), K-Medoids menggunakan medoid, yaitu objek nyata dari dataset yang paling representatif dalam klaster.

2. Pengukuran Jarak - Algoritma menghitung jarak setiap objek ke medoid terdekat dan mengelompokkan objek berdasarkan medoid terdekat.

3. Optimasi - Algoritma secara iteratif mencoba menukar medoid dengan non-medoid dan melihat apakah pertukaran tersebut mengurangi total jarak dalam klaster.

4. Konvergensi - Proses ini berlanjut hingga tidak ada pertukaran yang dapat lebih mengurangi total jarak atau jumlah iterasi maksimum tercapai.

Keunggulan K-Medoids:

• Lebih tahan terhadap noise dan outlier
• Hasil klaster lebih representatif karena menggunakan objek nyata (medoid)
• Dapat digunakan dengan berbagai ukuran jarak (tidak hanya Euclidean)

Dalam konteks EDUCLUSTER, algoritma K-Medoids digunakan untuk mengelompokkan kecamatan di Surabaya berdasarkan kesamaan indikator kualitas pendidikan. Hal ini membantu mengidentifikasi pola dan karakteristik serupa di antara kecamatan, sehingga memudahkan analisis dan pengambilan keputusan untuk peningkatan kualitas pendidikan.

EDUCLUSTER menggunakan berbagai indikator pendidikan yang komprehensif untuk analisis dan klasterisasi wilayah. Indikator-indikator ini dibagi menjadi beberapa kategori utama:

1. Akses dan Pemerataan Pendidikan
• Jumlah sekolah per 1000 penduduk usia sekolah
• Jarak rata-rata ke fasilitas pendidikan
• Angka Partisipasi Sekolah (APS)
• Angka Partisipasi Murni (APM)
• Angka Partisipasi Kasar (APK)

2. Kualitas Pembelajaran
• Rasio guru-murid
• Persentase guru bersertifikasi
• Nilai rata-rata ujian nasional
• Tingkat kelulusan

3. Sarana dan Prasarana
• Ketersediaan laboratorium
• Ketersediaan perpustakaan
• Akses internet
• Kondisi fisik gedung sekolah

4. Inklusi dan Pemerataan
• Rasio partisipasi gender
• Fasilitas untuk siswa berkebutuhan khusus
• Program beasiswa

Indikator-indikator ini diberi bobot menggunakan metode AHP (Analytical Hierarchy Process) untuk menentukan skor kualitas pendidikan secara keseluruhan.