Revisitting Cluster Vulnerabilities Toward Information and Communication Technologies in The Eastern Island of Indonesia Using Fuzzy C Means

Deskripsi

Pada era digitalisasi, infrastruktur teknologi berperan penting dalam pengembangan literasi digital di berbagai sektor yang dimana hal ini dapat memberikan informasi penting bagi masyarakat secara luas. Pemanfaatan teknologi informasi dan komunikasi (TIK) di Indonesia dalam lima tahun terakhir menunjukkan perkembangan indikator TIK yang sangat masif. Penduduk yang menggunakan internet juga mengalami peningkatan selama periode 2016–2020, yang ditunjukkan dengan meningkatnya persentase penduduk yang mengakses internet pada tahun 2016 dari sekitar 25,37 persen menjadi 53,73 persen pada tahun 2020. Penelitian ini bertujuan untuk mereview kembali kerentanan TIK di wilayah Indonesia timur melalui pendekatan analisis klaster yang berbasis pembelajaran mesin (machine learning). Data yang dikumpulkan dalam penelitian ini berasal dari Badan Pusat Statistik (BPS) melalui SUSENAS untuk memperoleh gambaran tingkat kesejahteraan sosial ekonomi dan SAKERNAS untuk mendapat sudut pandang dari sisi lapangan kerja. Penelitian ini menggunakan 15 variabel berdasarkan aspek kerentanan yang meliputi 174 kabupaten/kota. Analisis klaster menggunakan Fuzzy C Means (FCM) digunakan untuk mendapatkan profil kerentanan TIK di wilayah Indonesia bagian timur dengan pemilihan model terbaik. Model terbaik diperoleh dengan mempertimbangkan nilai validasi seperti Silhouette Index, Partition Entropy, Partition Coefficient, dan Modified Partition Coefficient. Untuk beberapa daerah dengan tingkat kerentanan yang sangat tinggi, diperlukan perhatian khusus dari pemerintah pusat atau daerah untuk mendukung peningkatan teknologi informasi melalui perencanaan yang baik. Aspek sosial ekonomi dan lapangan kerja sudah tercermin dalam analisis klaster ini, dan dampak peningkatan TIK akan memberikan nilai positif bagi peningkatan kualitas hidup masyarakat. Dari hasil pemodelan, model klaster terbaik adalah dua cluster, yang dikategorikan dalam kerentanan tinggi dan kerentanan rendah. Anggota klaster yang memiliki kesamaan atau kedekatan satu sama lain, akan berada dalam satu anggota klaster.