Pengelompokan Indeks Pembangunan Manusia di Indonesia Menggunakan Metode K-Medoids dengan Evaluasi Davies Bouldin Index
Aisna, Ersawahyuni (2025) Pengelompokan Indeks Pembangunan Manusia di Indonesia Menggunakan Metode K-Medoids dengan Evaluasi Davies Bouldin Index. Skripsi thesis, Universitas Tanjungpura.
|
PDF (Cover-Bab1)
Cover-Bab1_H1091211008.pdf - Published Version Download (703kB) |
|
|
PDF (H1091211008_AISNA_ERSAWAHYUNI)
H1091211008_AISNA_ERSAWAHYUNI.pdf - Accepted Version Restricted to Repository staff only Download (1MB) |
Abstract
Indeks Pembangunan Manusia (IPM) adalah salah satu indikator penting dalam menilai kemajuan suatu negara. Pengelompokan IPM berguna memberikan wawasan mengenai pemahaman tentang pola dan karakteristik perkembangan kesejahteraan masyarakat. Tujuan penelitian ini adalah mengelompokkan provinsi-provinsi di Indonesia berdasarkan IPM masing-masing provinsi tahun 2023 menggunakan metode K-Medoids dan menentukan jumlah cluster yang optimal dengan evaluasi Davies Bouldin Index (DBI). Data yang digunakan berasal dari Publikasi BPS Pusat Tahun 2023, variabel yang digunakan yaitu umur harapan hidup, harapan lama sekolah, rata-rata lama sekolah, pengeluaran perkapita, PDRB, jumlah penduduk, dan persentase penduduk miskin. Proses analisis dimulai dengan statistik deskriptif dan pengujian multikolinearitas Variance Inflation Factor (VIF). Variabel dengan nilai VIF > 10 dieliminasi secara bertahap. Selanjutnya, standarisasi data dan menentukan jumlah cluster awal, k yang digunakan (k = 2, 3, 4, 5, dan 6), dilanjutkan pemilihan medoids acak dan perhitungan jarak euclidean untuk menentukan kedekatan antar objek. Proses dilakukan hingga total jarak (S) ≥ 0. Setelah pengelompokan selesai dilakukan evaluasi jumlah cluster dengan menggunakan DBI, dengan cara meminimalkan nilai Sum of Square Within (SSW) dan memaksimalkan Sum of Square Between (SSB) dilanjutkan dengan menghitung rasio antara SSW dan SSB sehingga diperoleh nilai DBI. Hasil pengelompokan optimal yaitu dua cluster berdasarkan nilai DBI sebesar 0,94, namun dipilih cluster optimal empat cluster sebagai alternatif karena memiliki nilai DBI terendah kedua sebesar 1,07. Hasil pengelompokan empat cluster yaitu cluster 1 IPM kategori sangat tinggi berjumlah empat provinsi, cluster 2 IPM kategori tinggi berjumlah 14 provinsi, cluster 3 IPM kategori rendah berjumlah 10 provinsi, dan cluster 4 IPM kategori sangat rendah berjumlah enam provinsi.
| Item Type: | Thesis (Skripsi) | ||||||
|---|---|---|---|---|---|---|---|
| Creators: |
|
||||||
| Subjects: | 500 – Ilmu Pengetahuan > 510 Matematika > 519 Probabilitas dan matematika terapan | ||||||
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistik S1 | ||||||
| SWORD Depositor: | Robiatul Adawiyah | ||||||
| Depositing User: | Robiatul Adawiyah | ||||||
| Date Deposited: | 29 Sep 2026 03:11 | ||||||
| Last Modified: | 29 Sep 2026 03:11 | ||||||
| URI: | https://repository.untan.ac.id/id/eprint/8573 |
Actions (login required)
![]() |
View Item |
