Abstract:
Provinsi Sumatera Utara menghadapi disparitas pembangunan manusia yang
signifikan antarwilayah, sehingga diperlukan pemetaan kelompok kabupaten/kota
berdasarkan karakteristik pertumbuhan Indeks Pembangunan Manusia (IPM) untuk
mendukung perumusan kebijakan yang lebih tepat sasaran. Penelitian ini bertujuan
mengevaluasi dan membandingkan performa algoritma K-Means dan Hierarchical
Clustering dalam mengelompokkan 33 kabupaten/kota di Provinsi Sumatera Utara
berdasarkan data IPM periode 2020–2025. Data yang digunakan merupakan data
sekunder dari Badan Pusat Statistik (BPS), yang melalui tahap preprocessing dan
normalisasi Min-Max Scaling sebelum diproses menggunakan kedua algoritma
clustering. Jumlah cluster optimal ditentukan menggunakan Metode Elbow, dan
kualitas hasil clustering dievaluasi menggunakan Silhouette Score, Sum of Squared
Errors (SSE), dan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan
bahwa kedua algoritma menghasilkan tiga cluster dengan komposisi anggota yang
identik, yaitu Cluster Tinggi (10 wilayah), Cluster Sedang (19 wilayah), dan Cluster
Rendah (4 wilayah, seluruhnya berada di Kepulauan Nias), dengan nilai Silhouette
Score sebesar 0,6705 pada kedua algoritma. K-Means memperoleh nilai SSE
sebesar 1,1492, sedangkan Hierarchical Clustering memperoleh Davies-Bouldin
Index sebesar 0,3942. Meskipun kualitas clustering kedua algoritma setara, KMeans direkomendasikan sebagai metode yang lebih optimal karena memiliki
kompleksitas komputasi yang lebih rendah dan lebih efisien untuk diterapkan pada
data berukuran besar. Hasil penelitian ini diharapkan dapat menjadi salah satu
bahan pertimbangan bagi pemerintah daerah dalam menyusun kebijakan
pembangunan manusia yang lebih terarah sesuai karakteristik masing-masing
wilayah
