EVALUASI PERFORMA ALGORITMA K-MEANS DAN HIERARCHICAL CLUSTERING PADAPENGELOMPOKAN DATA INDEKS PEMBANGUNAN MANUSIA (IPM) PADA DATA BPS SUMATERA UTARA

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