Pengelompokan Perusahaan Berdasarkan Statistik Penelitian dan Pengembangan Melalui Metode K-Medoids

Shiddiq Sugiono; Nursinta Adi Wahanani; Laila Juwita Hendriani

doi:10.33633/joins.v7i1.5935

Authors

Shiddiq Sugiono Badan Riset dan Inovasi Nasional
Nursinta Adi Wahanani Badan Riset dan Inovasi Nasional
Laila Juwita Hendriani Badan Riset dan Inovasi Nasional

DOI:

https://doi.org/10.33633/joins.v7i1.5935

Abstract

Kapasitas penelitian dan pengembangan sektor industri memiliki peran dalam peningkatan ekonomi negara sehingga perlu terus dipantau untuk meningkatkan daya saing negara. Statistik litbang merupakan salah satu indikator yang dapat digunakan untuk mengukur sejauh apa kapasitas suatu perusahaan dalam melakukan litbang melalui pengukuran pengeluaran dan personil litbang. Diperlukan suatu pengelompokan perusahaan untuk melacak performa litbang dari sektor industri sehingga dapat menjadi referensi terhadap pemantauan kapasitas litbang. Informasi mengenai jumlah pekerja dalam suatu perusahaan turut menjadi indikator untuk memberikan gambaran mengenai ukuran perusahaan dalam hasil pengelompokan. Penelitian ini bertujuan untuk mengelompokan perusahaan berdasarkan statistik litbang menggunakan metode clustering K-Medoids sehingga didapatkan hasil pengelompokan yang optimal. Adapun penggunaan metode tersebut dikarenakan data yang diperoleh memiliki pencilan. Evaluasi hasil pengelompokan akan ditinjau melalui indeks silhouette. Hasil penelitian ini menyebutkan bahwa pengelompokan data litbang industri dengan menggunakan metode K-Medoids paling optimal membentuk empat kelompok. Adapun berdasarkan hasil evaluasi indeks silhouette, struktur dari hasil pengelompokan masuk dalam kategori kuat. Profil dari masing-masing kelompok turut disampaikan pada bagian interpretasi. Selain itu hasil pengelompokan ini dapat menjadi pemetaan awal dalam membuat kebijakan litbang dalam sektor industri Indonesia.

References

A. A. Kadir, W. Afriana, and H. A. Azis, “The Effects Of R&D Expenditures On Economic Growth In Oecd Countries,” Econder Int. Acad. J., vol. 1, no. 2, pp. 203–220, 2020, doi: 10.35342/econder.665074.

E. Gumus and F. Celikay, “R&D Expenditure and Economic Growth: New Empirical Evidence,” Margin, vol. 9, no. 3, pp. 205–217, 2015, doi: 10.1177/0973801015579753.

OECD, “OECD Main Science and Technology Indicators. R&D Highlights in the February 2020 Publication,” no. February, pp. 2018–2021, 2020, [Online]. Available: www.oecd.org/sti/msti2020.pdf.

OECD, “Working Party of National Experts on Science and Technology Indicators,” 2015.

J. Xu and Z. Jin, “Research on the Impact of R&D Investment on Firm Performance in China’s Internet of Things Industry,” J. Adv. Manag. Sci., no. March 2016, pp. 112–116, 2016, doi: 10.12720/joams.4.2.112-116.

RISTEKDIKTI, “Lanskap Ilmu Pengetahuan dan Teknologi di Indonesia,” 2017.

Metrics, “R&D Expenditures and Personnel,” 2022, [Online]. Available: https://metrics.ekt.gr/en/research-development.

OECD, Frascati Manual 2015 The Measurement of Scientific, Technological and Innovation Activities. 2015.

Instituto Nacional de Estadistica, “Statistics on R+D Activities. Latest data,” 2020. https://www.ine.es/dyngs/INEbase/en/operacion.htm?c=Estadistica_C&cid=1254736176754&menu=ultiDatos&idp=1254735576669.

A. Elizondo-Noriega, N. Tiruvengadam, D. Güemes-Castorena, V. G. Tercero-Gómez, and M. G. Beruvides, “Classification of R&D activities in industrial environments,” IISE Annu. Conf. Expo 2019, no. May, 2019.

M. D. Anuslu and S. U. Firat, “Clustering Analysis application on Indutsry 4 driver global indexs,” in Procedia Computer Science, 2019, pp. 145–152.

K. R.S and K. R.K, “K-Means Clustering for Analyzing Productivity in Light of R & D Spillover,” Int. J. Inf. Technol. Model. Comput., vol. 4, no. 2, pp. 55–64, 2016, doi: 10.5121/ijitmc.2016.4204.

J. Sanchez, W. Lin, and V. N. Vu, “Role of Science and Engineering Education and R & D in U . S . State Growth,” 2013.

F. Alfiah, A. Almadayani, D. Al Farizi, and E. Widodo, “Analisis Clustering K-Medoids Berdasarkan Indikator Kemiskinan di Jawa Timur Tahun 2020,” J. Ilm. Sains, vol. 22, no. 1, p. 1, 2021, doi: 10.35799/jis.v22i1.35911.

Y. Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” Edik Inform., vol. 2, no. 2, pp. 213–219, 2017, doi: 10.22202/ei.2016.v2i2.1465.

I. Bin Mohamad and D. Usman, “Standardization and its effects on K-means clustering algorithm,” Res. J. Appl. Sci. Eng. Technol., vol. 6, no. 17, pp. 3299–3303, 2013, doi: 10.19026/rjaset.6.3638.

S. Sindi, W. R. O. Ningse, I. A. Sihombing, F. I. R.H.Zer, and D. Hartama, “Analisis Algoritma K-Medoids Clustering Dalam Pengelompokan Penyebaran Covid-19 Di Indonesia,” J. Teknol. Inf., vol. 4, no. 1, pp. 166–173, 2020, doi: 10.36294/jurti.v4i1.1296.

A. Al-Najafi, “Comparative performance of three methods to classify smokers data,” Austrian J. Stat., vol. 50, no. 3, pp. 32–40, 2021, doi: 10.17713/ajs.v50i3.1013.

R. Hidayati, A. Zubair, A. H. Pratama, and L. Indana, “Analisis Silhouette Coefficient pada 6 Perhitungan Jarak K-Means Clustering,” Techno.Com, vol. 20, no. 2, pp. 186–197, 2021, doi: 10.33633/tc.v20i2.4556.

D. Ls, Y. A. Lesnussa, M. W. Talakua, and M. Y. Matdoan, “Analisis Klaster untuk Pengelompokkan Kabupaten/Kota di Provinsi Maluku Berdasarkan Indikator Pendidikan dengan Menggunakan Metode Ward,” J. Stat. dan Apl., vol. 5, no. 1, pp. 51–60, 2021, doi: 10.21009/jsa.05105.

H. Juliansyah and S. Ulfa, “Faktor-Faktor Yang Mempengaruhi Pemberdayaan Industri Kecil Masyarakat Di Kecamatan Baktiya Kabupaten Aceh Utara,” J. Ekon. Reg. Unimal, vol. 01, no. April, pp. 30–37, 2018.