MALIK, Muhammad (2024) Perbandingan Metode K-means Clustering dan K-medoids dalam Pengelompokan Provinsi di Indonesia Berdasarkan Komponen Penyusun IPM Tahun 2023. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Muhammad Malik-K1B020060-Skripsi-2024.pdf Download (342kB)
	PDF (Legalitas) LEGALITAS-Muhammad Malik-K1B020060-Skripsi-2024.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Muhammad Malik-K1B020060-Skripsi-2024.pdf Download (455kB)
	PDF (BabI) BAB-I-Muhammad Malik-K1B020060-Skripsi-2024.pdf Restricted to Repository staff only until 3 January 2026. Download (354kB)
	PDF (BabII) BAB-II-Muhammad Malik-K1B020060-Skripsi-2024.pdf Restricted to Repository staff only until 3 January 2026. Download (862kB)
	PDF (BabIII) BAB-III-Muhammad Malik-K1B020060-Skripsi-2024.pdf Restricted to Repository staff only until 3 January 2026. Download (453kB)
	PDF (BabIV) BAB-IV-Muhammad Malik-K1B020060-Skripsi-2024.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB-V-Muhammad Malik-K1B020060-Skripsi-2024.pdf Download (359kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Muhammad Malik-K1B020060-Skripsi-2024.pdf Download (317kB)
	PDF (Lampiran) LAMPIRAN-Muhammad Malik-K1B020060-Skripsi-2024.pdf Restricted to Repository staff only Download (1MB)

Abstract

Pembangunan manusia merupakan proses peningkatan kualitas hidup individu yang diukur melalui beberapa indikator, seperti umur panjang dan sehat, pendidikan, serta akses terhadap sumber daya ekonomi. Di Indonesia, ketidakmerataan pembangunan manusia menjadi tantangan besar bagi pemerintah, terutama terlihat dari perbedaan nilai Indeks Pembangunan Manusia (IPM) antarprovinsi. Penelitian ini bertujuan untuk mengelompokkan provinsi-provinsi di Indonesia berdasarkan indikator komponen penyusun Indeks Pembangunan Manusia (IPM), yaitu umur harapan hidup, rata-rata lama sekolah, harapan lama sekolah, dan pengeluaran riil per kapita. Pengelompokan dilakukan menggunakan metode k-means clustering dan k-medoids serta membandingkannya untuk menemukan metode yang paling baik. Hasil pengelompokan menggunakan metode k-means clustering menggunakan 3 cluster, sedangkan metode k-medoids mengunakan 4 cluster dan 3 cluster. Metode k-medoids dengan 4 cluster terbukti lebih optimal berdasarkan nilai Davies-Bouldin Index (DBI), dimana k-medoids dengan 4 cluster memiliki nilai DBI sebesar 0,9963 lebih kecil dibanding k-means clustering sebesar 1,1018 dan k-medoids dengan 3 cluster sebesar 1,3268. Hal ini menunjukkan bahwa k-medoids dengan 4 cluster membentuk cluster yang lebih homogen. Hasil penelitian ini dapat menjadi acuan bagi pemerintah dalam meningkatkan kualitas pembangunan manusia secara merata di setiap provinsi di Indonesia.

Actions (login required)

View Item