Kualitas Lingkungan dan Struktur Ekonomi Pertambangan: Analisis Cluster 34 Provinsi di Indonesia
Keywords:
Kualitas Lingkungan, PDRB Pertambangan, PDRB Per Kapita, Kemiskinan, Kepadatan PendudukanAbstract
Penelitian ini bertujuan untuk mengelompokkan provinsi di Indonesia berdasarkan kondisi kualitas lingkungan dan karakteristik sosial ekonomi daerah. Data yang digunakan merupakan data sekunder yang meliputi Indeks Kualitas Lingkungan Hidup (IKLH), yang terdiri dari Indeks Kualitas Air, Indeks Kualitas Udara, Indeks Kualitas Tutupan Lahan, Produk Domestik Regional Bruto (PDRB) sektor pertambangan, PDRB per kapita, kepadatan penduduk, serta tingkat kemiskinan. Metode analisis yang digunakan adalah K-Means Clustering untuk mengidentifikasi kelompok provinsi yang memiliki karakteristik yang serupa. Hasil penelitian menunjukkan terbentuknya dua cluster dengan perbedaan kondisi lingkungan dan struktur ekonomi yang cukup jelas. Klaster pertama di dominasi oleh provinsi dengan kualitas lingkungan yang relatif lebih baik, tingkat kemiskinan yang lebih rendah, serta kontribusi sektor pertambangan yang tidak terlalu besar. Sebaliknya, cluster kedua terdiri dari provinsi dengan ketergantungan yang lebih tinggi terhadap sektor pertambangan, tingkat kemiskinan yang relatif lebih tinggi, dan kualitas lingkungan yang cenderung lebih rendah. Temuan ini menunjukkan bahwa ketergantungan terhadap sektor ekstraktif belum sepenuhnya diikuti oleh peningatan kesejahteraan dan berpotensi menimbukan tekanan terhadap lingkungan. Oleh karena itu, diperlukan penguatan pengelolan lingkungan dan kebijakan diversifikasi ekonomi untuk mendukung pembangunan daerah yang berkelanjutan
References
Curse Dalam Perspektif Ekonomi Di Pulau Sumatera. BULLET : Jurnal Multidisiplin Ilmu, 01(5), 737–750.
BPS. (2023). Statistik Lingkungan HIdup Indonesia 2023. In Badan Pusat Statistik.
Fadilah, S. N., & Yuliawan, D. (2025). Implementation of K-Means Clustering in Poverty Analysis of Regency/City in Sumatera Island in 2023. Sinomics Journal | Volume, 4(June). https://doi.org/10.54443/sj.v4i1.461
IPCC. (2023). IPCC, 2023: Climate Change 2023: Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, H. Lee and J. Romero (eds.)]. IPCC, Geneva, Switzerland. https://doi.org/10.59327/IPCC/AR6-9789291691647
KLHK. (2022). Slhi 2022. In Laporan Status Lingkungan Hidup Indonesia 2022 olh Kementrian Lingkungan Hidup dan Kehutanan Republik Indonesia.
MacQueen, James and others. (1967). Some methods for classification and analysis of multivariate observations. Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, 1(14), 281–297. lTNHu1HncmOFOkM#v=onepage&q=MacQueen some methods for classification&f=false
Mayasari, S. N., & Nugraha, J. (2023). Implementasi K-Means Cluster Analysis untuk Mengelompokkan Kabupaten/Kota Berdasarkan Data Kemiskinan di Provinsi Jawa Tengah Tahun 2022. KONSTELASI: Konvergensi Teknologi Dan Sistem Informasi, 3(2), 317–329. https://doi.org/10.24002/konstelasi.v3i2.7200
Mohamad, I. Bin, & Usman, D. (2013). Research article standardization and its effects on k-means clustering algorithm. 6(17), 3299–3303. https://doi.org/10.19026/rjaset.6.3638
Rousseeuw, P. J. (1987). Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics, 20(C), 53–65. https://doi.org/10.1016/0377-0427(87)90125-7
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Septiana Dwi Nurmala, Zulfa Emalia

This work is licensed under a Creative Commons Attribution 4.0 International License.















