Comparison of K-Means and Ward Methods in Clustering Indonesian Provinces Based on Household Basic Service Access
DOI:
https://doi.org/10.24036/ujsds/vol4-iss1/449Kata Kunci:
Cluster analysis, K-Means, Ward method, Household basic services, Indonesian provincesAbstrak
Ketimpangan akses layanan dasar rumah tangga antarprovinsi di Indonesia masih menjadi isu penting dalam pembangunan wilayah. Layanan dasar seperti akses air minum layak, sanitasi layak, listrik, dan hunian layak merupakan indikator utama kesejahteraan rumah tangga, sehingga klasifikasi wilayah diperlukan untuk mengidentifikasi kesamaan dan perbedaan antarprovinsi. Penelitian ini bertujuan untuk mengelompokkan provinsi di Indonesia berdasarkan indikator akses layanan dasar rumah tangga serta membandingkan kinerja metode K-Means dan Hierarchical Clustering dengan pendekatan Ward. Analisis dilakukan menggunakan data numerik dengan ukuran jarak Euclidean sebagai ukuran kemiripan. Jumlah klaster optimal ditentukan menggunakan grafik Silhouette dan divalidasi lebih lanjut dengan koefisien Silhouette. Hasil penelitian menunjukkan bahwa metode K-Means dan Ward sama-sama menghasilkan dua klaster optimal yang merepresentasikan provinsi dengan tingkat akses layanan dasar rumah tangga yang relatif tinggi dan relatif rendah. Analisis centroid menunjukkan perbedaan yang jelas antar klaster pada seluruh indikator, terutama pada akses listrik dan sanitasi. Selain itu, evaluasi kualitas klaster menunjukkan bahwa metode Ward menghasilkan nilai koefisien Silhouette yang lebih tinggi dibandingkan metode K-Means, yang mengindikasikan klaster yang lebih kompak dan pemisahan antar klaster yang lebih baik. Oleh karena itu, metode Ward dinilai lebih efektif dalam memetakan pola akses layanan dasar rumah tangga antarprovinsi. Temuan penelitian ini dapat mendukung perencanaan pembangunan wilayah dengan memberikan pemahaman yang lebih jelas mengenai ketimpangan akses layanan dasar rumah tangga di Indonesia.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Nurul Mulya, Fajri Juli Rahman Nur Zendrato, Muhammad Arief Rivano , Zamahsary Martha, Tessy Octavia Mukhti

Artikel ini berlisensi Creative Commons Attribution 4.0 International License.




