Perbandingan Metode K-Means, K-Medoids, dan AHC Ward dalam Klasterisasi Kabupaten/Kota di Indonesia Berdasarkan Indikator IPM

Abstract. This study aims to compare three clustering methods K-Means, K-Medoids, and Agglomerative Hierarchical Clustering (AHC) using the Ward Method in grouping 514 regencies/cities in Indonesia based on the Human Development Index (HDI) indicators, namely Life Expectancy, Expected Years of Schooling, Mean Years of Schooling, and Adjusted Per Capita Expenditure. The data were obtained from Statistics Indonesia (BPS) for the year 2024. Prior to clustering, data normalization was performed using the Min-Max Scaling method. The quality of clustering results was evaluated using the Calinski-Harabasz Index , with the number of clusters varied from k = 2 to k = 20. The results showed that K-Means and K-Medoids achieved optimal clustering at k = 2, with CHI values of 407.26 and 424.01, respectively. Meanwhile, AHC Ward yielded the optimal result at k = 3, with a CHI value of 301.17. Among the three methods, K-Medoids produced the highest index value, indicating the best clustering structure. These findings suggest that choosing the appropriate clustering method plays a crucial role in forming groups that optimally represent the regional characteristics. Abstrak. Penelitian ini bertujuan untuk membandingkan tiga metode klasterisasi K-Means, K-Medoids, dan Agglomerative Hierarchical Clustering (AHC) dengan pendekatan Ward dalam mengelompokkan 514 kabupaten/kota di Indonesia berdasarkan indikator pembentuk Indeks Pembangunan Manusia (IPM), yaitu Umur Harapan Hidup, Harapan Lama Sekolah, Rata-rata Lama Sekolah, dan Pengeluaran per Kapita Disesuaikan. Data yang digunakan bersumber dari Badan Pusat Statistik tahun 2024. Sebelum dilakukan klasterisasi, data dinormalisasi menggunakan metode Min-Max Scaling. Evaluasi kualitas hasil klasterisasi dilakukan menggunakan Calinski-Harabasz Index dengan variasi jumlah klaster dari k = 2 hingga k = 20. Hasil analisis menunjukkan bahwa metode K-Means dan K-Medoids menghasilkan jumlah klaster optimal pada k = 2, dengan nilai CHI masing-masing sebesar 407,26 dan 424,01. Sementara itu, AHC Ward menunjukkan hasil optimal pada k = 3 dengan nilai CHI sebesar 301,17. Dari ketiga metode, K-Medoids memberikan nilai indeks tertinggi, yang mengindikasikan struktur klaster terbaik. Temuan ini menunjukkan bahwa pemilihan metode klasterisasi yang tepat berperan penting dalam menghasilkan kelompok yang merepresentasikan karakteristik daerah secara optimal.