Klasterisasi Pembangunan Manusia di Indonesia Menggunakan Algoritma K-Means Berdasarkan IPM dan Literasi Pendidikan

Abstract

Penelitian ini bertujuan untuk mengelompokkan 38 provinsi di Indonesia berdasarkan Indeks Pembangunan Manusia (IPM) yang dikombinasikan dengan variabel pendukung literasi pendidikan yaitu tingkat kegemaran membaca masyarakat (TKM), tingkat penyelesaian pendidikan SMA/Sederajat (TPP), dan rata-rata lama sekolah (RLS). Metode penelitian yang digunakan adalah kuantitatif deskriptif dengan algoritma k-means clustering. Validasi hasil pengelompokan diuji menggunakan silhouette method, yaitu teknik pengukuran kualitas klaster berdasarkan kedekatan jarak antar objek di dalam satu klaster dan jarak antar klaster yang berbeda. Hasil analisis dengan k = 3 membagi wilayah ke dalam kategori tinggi, sedang, dan rendah. Meskipun nilai rata-rata silhouette tertinggi diperoleh pada k = 2 (0,74), pemilihan k = 3 (0,33) dilakukan karena memberikan hasil yang lebih representatif secara substantif dalam menggambarkan sebaran pembangunan manusia di Indonesia. Hasil ini menjadi acuan penting bagi pemangku kebijakan untuk melakukan intervensi yang lebih spesifik pada daerah-daerah dengan literasi rendah.