Pengelompokan Kabupaten/Kota Berdasarkan Faktor Penyebab Perceraian di Provinsi Jawa Barat
| Main Authors: | Izzah, Syifa Annur; Departemen Statistika Institut Teknologi Sepuluh Nopember Surabaya, Zain, Ismaini; Departemen Statistika Institut Teknologi Sepuluh Nopember Surabaya, Permatasari, Erma Oktania; Departemen Statistika Institut Teknologi Sepuluh Nopember Surabaya |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS
, 2023
|
| Subjects: | |
| Online Access: |
http://ejurnal.its.ac.id/index.php/sains_seni/article/view/77018 http://ejurnal.its.ac.id/index.php/sains_seni/article/view/77018/7074 http://ejurnal.its.ac.id/index.php/sains_seni/article/downloadSuppFile/77018/37263 http://ejurnal.its.ac.id/index.php/sains_seni/article/downloadSuppFile/77018/37264 http://ejurnal.its.ac.id/index.php/sains_seni/article/downloadSuppFile/77018/37265 |
Daftar Isi:
- Berdasarkan data yang diperoleh Pengadilan Tinggi Agama Provinsi Jawa Barat, angka perceraian meningkat dari tahun ke tahun dan kasus perceraian di Provinsi Jawa Barat termasuk ke dalam 3 provinsi yang memiliki kasus perceraian tertinggi di Indonesia dalam beberapa tahun terakhir. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Provinsi Jawa Barat berdasarkan faktor-faktor penyebab perceraian menggunakan analisis K-Means Clustering yang diawali dengan mengidentifikasi karakteristik data faktor-faktor penyebab perceraian. Penelitian ini menggunakan 13 faktor penyebab perceraian yang digunakan sebagai dasar gugatan menurut Undang-Undang nomor 1 tahun 1974 pasal 39 ayat 2. Hasil identifikasi karakteristik faktor penyebab perceraian, faktor ekonomi menyumbang angka perceraian sebesar 50.84% dari total kasus yang terjadi pada tahun 2019. Untuk Kota Bandung, Kabupaten Bogor, Ciamis dan Kabupaten Cirebon merupakan daerah yang memiliki angka perceraian tertinggi, didukung oleh banyaknya faktor penyebab perceraian pada daerah tersebut yang juga tertinggi dibandingkan daerah lainnya. Analisis K-Means Clustering menghasilkan 2 cluster, yaitu cluster 2 (6 kabupaten/kota) memiliki karakteristik faktor mabuk, madat, judi, meninggalkan satu pihak, poligami, kekerasan dalam rumah tangga, kawin paksa dan murtad yang lebih tinggi dibandingkan dengan cluster 1 (20 kabupaten/kota).