Penerapan Algoritma K-Means untuk Klasterisasi Indeks Pembangunan Manusia (IPM) pada Wilayah Pulau Jawa dengan Visualisasi Peta Tematik
Abstract
Abstract
This study analyzes human development patterns across regencies and cities on Java Island using a clustering approach based on the Human Development Index (HDI). Persistent regional disparities in socio-economic conditions and development outcomes motivate the need to identify groups of regions with similar characteristics. The analysis uses three indicators—poverty rate, open unemployment rate, and life expectancy—calculated from recent multi-year official statistical data. The K-Means algorithm is employed to classify regions, with the optimal number of clusters determined through cluster compactness evaluation. The results identify four distinct clusters. The first cluster is characterized by low poverty, high unemployment, and relatively good life expectancy. The second cluster shows low poverty and unemployment levels with moderate life expectancy. The third cluster has the highest poverty rate, low unemployment, and relatively low life expectancy, indicating significant welfare challenges. The fourth cluster records the highest life expectancy, accompanied by moderate poverty and unemployment levels, reflecting better overall well-being. The spatial distribution of the clusters reveals a clear distinction between rural and urban areas. These findings provide a comprehensive understanding of regional disparities in human development across Java Island and offer valuable insights for designing targeted, cluster-based development policies to reduce inequality and improve regional welfare.
Keywords: Human Development; HDI; K-Means; Clustering
Abstrak
Pembangunan manusia antar kabupaten/kota di Pulau Jawa menunjukkan perbedaan karakteristik yang mencerminkan ketimpangan capaian kesejahteraan dan kualitas hidup masyarakat. Penelitian ini bertujuan untuk mengidentifikasi pola dan karakteristik pembangunan manusia kabupaten/kota di Pulau Jawa melalui pendekatan klasterisasi Indeks Pembangunan Manusia (IPM) berdasarkan indikator kemiskinan, tingkat pengangguran terbuka, dan Angka Harapan Hidup yang direpresentasikan dalam bentuk nilai rata-rata periode terkini berdasarkan data resmi Badan Pusat Statistik. Metode yang digunakan adalah klasterisasi K-Means untuk mengelompokkan wilayah dengan karakteristik pembangunan manusia yang serupa secara objektif, dengan penentuan jumlah klaster optimal melalui evaluasi kekompakan klaster. Hasil penelitian menunjukkan terbentuknya empat klaster wilayah dengan karakteristik pembangunan manusia yang berbeda. Klaster pertama dicirikan oleh tingkat kemiskinan relatif rendah namun tingkat pengangguran yang tinggi, dengan angka harapan hidup yang cukup baik. Klaster kedua memiliki tingkat kemiskinan dan pengangguran yang relatif rendah, meskipun angka harapan hidupnya masih berada pada kategori sedang. Kluster ketiga menunjukkan tingkat kemiskinan yang paling tinggi disertai tingkat pengangguran yang rendah, serta angka harapan hidup yang relatif rendah, sehingga mencerminkan wilayah dengan tantangan kesejahteraan yang cukup serius. Sementara itu, klaster keempat ditandai oleh angka harapan hidup yang paling tinggi dengan tingkat kemiskinan dan pengangguran pada kategori menengah, yang mengindikasikan wilayah dengan kualitas kesehatan dan kesejahteraan penduduk yang relatif lebih baik. Secara spasial, hasil klasterisasi memperlihatkan pola perbedaan yang jelas antara wilayah pedesaan dan perkotaan. Temuan ini memberikan gambaran komprehensif mengenai ketimpangan pembangunan manusia antarwilayah serta dapat dimanfaatkan sebagai dasar perumusan kebijakan pembangunan wilayah berbasis klaster.
Kata Kunci: IPM; K-Means; Klasterisasi; Pembangunan Manusia
Downloads
References
[1] Yuliansyah, “Analysis Of The Human Development Index (HDI) In Indonesia,” Cross-Border J. Businees Manag., vol. 1, no. 2, pp. 244–256, 2021.
[2] M. R. Khairul Muluk and L. E. Wahyudi, “Key Success in Fostering Human Development Index at the Local Level,” Otoritas J. Ilmu Pemerintah., vol. 12, no. 2, pp. 128–141, 2022, doi: 10.26618/ojip.v12i2.7665.
[3] E. Santoso, S. Anggraini, E. Pembangunan, and U. Jember, “CERMIN : JURNAL PENELITIAN DISPARITAS PEMBANGUNAN ANTAR WILAYAH DI INDONESIA : MODEL DATA PANEL DEVELOPMENT DISPARITIES BETWEEN REGIONS IN INDONESIA : CERMIN : JURNAL PENELITIAN PENDAHULUAN Indonesia terdiri dari berbagai pulau , dimana disetiap pulaunya ,” vol. 8, pp. 355–367, 2024.
[4] D. Jati and S. D. Purnomo, “Determinan Ketimpangan Pendapatan Dalam Upaya Pemerataan Pembangunan di Pulau Jawa,” J. Penelit. Inov., vol. 3, no. 3, pp. 739–748, 2023, doi: 10.54082/jupin.760.
[5] J. Kasnelly, Sri, Wardiah, “Pengaruh Tingkat Pengangguran Dan Tingkat Kemiskinan Terhadap Indeks Pembangunan Manusia Di Indonesia,” Al-Mizan J. Ekon. Syariah, vol. 4, no. 2, pp. 45–54, 2021, [Online]. Available: www.ejournal.annadwahkualatungkal.ac.id
[6] I. Fahmiyah and R. A. Ningrum, “Human Development Clustering in Indonesia: Using K-Means Method and Based on Human Development Index Categories,” J. Adv. Technol. Multidiscip., vol. 2, no. 1, pp. 27–33, 2023, doi: 10.20473/jatm.v2i1.45070.
[7] N. R. Saputra and G. Z. Muflih, “Pengelompokan Wilayah Indonesia Berdasarkan Komponen Indeks Pembangunan Manusia Dengan Pendekatan Algoritma K-Means Clustering,” SKANIKA Sist. Komput. dan Tek. Inform., vol. 8, no. 1, pp. 156–167, 2025, doi: 10.36080/skanika.v8i1.3318.
[8] U. S, “Penerapan Data Mining Dengan Mengimplementasikan Algoritma K-Means Dalam Proses Clustering Untuk Pengelompokan Mahasiswa Calon Penerima Beasiswa KIP,” Build. Informatics, Technol. Sci., vol. 5, no. 1, 2023, doi: 10.47065/bits.v5i1.3411.
[9] B. P. Statistik, “Indeks pembangunan manusia 2024,” vol. 19, 2025.
[10] S. Setyaningtyas, B. I. Nugroho, and Z. Arif, “TINJAUAN PUSTAKA SISTEMATIS PADA DATA MINING : STUDI KASUS ALGORITMA K-MEANS CLUSTERING,” vol. 10, no. 2, pp. 52–61, 2022.
[11] S. W. Ellingson, “Characterization and Mitigation of Sinusoidal Carrier Modulation Signals by Short-Term Sinusoidal Analysis,” pp. 1–9, 2020.
[12] Ramadhan, A., Evantheo, F., Angraini, U. Y., & Putri, H. D. (2024). Jurnal Kecerdasan Buatan , Komputasi dan Teknologi Informasi Pengelompokan Kabupaten / Kota di Jawa Timur Berdasarkan IPM dan Rasio Gini Pada Tahun 2023 Menggunakan Cluster ing K-Means. 5(2), 174–183.
[13] Herdiana, I., Kamal, M. A., Triyani, Estri, M. N., & Renny. (2025). A More Precise Elbow Method for Optimum K-means Clustering. http://arxiv.org/abs/2502.00851
[14] Anis Salsabila, Zahra Ramadhani, Goklas Purba, Muhammad Alif Zuanda4, Asnidar Asnidar, and Ahmad Ridha, “Peran Indeks Pembangunan Manusia dan Kesejahteraan Terhadap Kemiskinan dan Laju Pertumbuhan Penduduk Di Indonesia,” Inisiatif: Jurnal Ekonomi, Akuntansi dan Manajemen, vol. 4, no. 1, pp. 192–208, 2024, doi: 10.30640/inisiatif.v4i1.3485.
[15] Aya Dewanti Sofia and A. Kudus, “Pengelompokan Kabupaten/Kota berdasarkan Indikator Indeks Pembangunan Manusia 2022 Menggunakan K-Harmonic Means Clustering,” Jurnal Riset Statistika, pp. 163–172, Dec. 2023, doi: 10.29313/jrs.v3i2.3130.
[16] R. L. Atimi, E. E. Pratama, and N. I. Pradasari, “Pendekatan Text Mining untuk Klasterisasi Tren Penelitian dengan Algoritma Unsupervised Learning K-Means,” vol. 11, no. 3, pp. 420–425, 2025.
[17] D. I. U. Fikri Rahma Deli, Heri Priyanto, “Jurnal Ilmiah Sain dan Teknologi SISTEM INFORMASI GEOGRAFIS DATA STATISTIK SEKTORAL ( STUDI KASUS BAPPEDA KOTA PONTIANAK ) Program Studi Sarjana Informatika Fakultas Teknik Universitas Tanjungpura Jurnal Ilmiah Sain dan Teknologi Dalam konteks perencanaan,” vol. 2, pp. 124–138, 2024.
[18] G. R. Gaffara, P. A. Aryaguna, S. Kurniawan, and W. O. Nurhaidar, “PEMETAAN TEMATIK DESA BERBASIS SISTEM INFORMASI GEOGRAFIS,” Tata Kota dan Daerah, vol. 16, no. 2, pp. 179–184, Dec. 2024, doi: 10.21776/ub.takoda.2024.016.02.6.
[19] R. Sudrajat, A. I. Hadiana, and M. Melina, “Evaluasi Kualitas Klaster Wilayah Rawan Bencana Menggunakan K-Means dengan Silhouette dan Elbow Method,” Jurnal Algoritma, vol. 22, no. 2, pp. 127–139, Nov. 2025, doi: 10.33364/algoritma/v.22-2.2379.
[20] I. R. Abdillah, Diana Novitasari, Amellia Harmaimun Hidayah, Shindi Shella May Wara, and Wahyu Syaifullah Jauharis Saputra, “Segmentasi Wilayah Berdasarkan Indikator Kesehatan Lingkungan dan Akses Pelayanan Dasar di Provinsi Jawa Timur,” Emerging Statistics and Data Science Journal, vol. 3, no. 3, pp. 728–740, 2025, doi: 10.20885/esds.vol3.iss.3.art24.
[21] F. Irawati, A. P. W. Nugroho, and A. Wibowo, “Analisis Ekspor Kopi Menggunakan Clustering K-Means dan Davies-Bouldin Index,” Jurnal Ilmiah FIFO, vol. 17, no. 2, p. 164, 2025, doi: 10.22441/fifo.2025.v17i2.006.
Downloads
Published
How to Cite
Issue
Section
License
Jurnal Ilmiah Soulmath by http://ejournal.unitomo.ac.id/index.php/mipa is licensed under a Creative Commons Attribution 4.0 International License.Â
