PERBANDINGAN METODE K-MEANS DAN K-MEDOIDS DALAM CLUSTERING KETIMPANGAN PEMBANGUNAN PROVINSI DI INDONESIA TAHUN 2024 BERDASARKAN INDIKATOR SOSIAL EKONOMI

Abstract

Ketimpangan pembangunan antarprovinsi di Indonesia masih menjadi permasalahan yang ditandai oleh perbedaan kondisi ekonomi, pendidikan, dan kesejahteraan masyarakat. Penelitian ini mengelompokkan 38 provinsi Indonesia menurut tingkat ketimpangan pembangunan tahun 2024, memakai K-Means dan K-Medoids, lalu membandingkan performa keduanya. Data berasal dari Badan Pusat Statistik (BPS) tahun 2024 dan mencakup lima indikator: PDRB per kapita, Indeks Pembangunan Manusia (IPM), tingkat pengangguran, tingkat kemiskinan, dan rata-rata lama sekolah.Penelitian menstandardisasi data dengan Z-score, menentukan jumlah cluster optimal, menjalankan proses clustering, dan mengevaluasi hasil dengan Silhouette Coefficient dan Davies-Bouldin Index (DBI). Kedua metode menghasilkan empat cluster. K-Means menempatkan 5 provinsi pada kategori tinggi, 9 pada menengah tinggi, 22 pada menengah, dan 2 pada rendah. K-Medoids menempatkan 12 provinsi pada kategori tinggi, 17 pada menengah tinggi, 7 pada menengah, dan 2 pada rendah. K-Means mengungguli K-Medoids pada kedua metrik evaluasi, sehingga metode ini lebih cocok untuk mengelompokkan ketimpangan pembangunan antarprovinsi di Indonesia.