PERBANDINGAN K-MEANS DAN K-MEDOIDS DALAM PENGELOMPOKAN PROVINSI BERDASARKAN ANGKA HARAPAN HIDUP DI INDONESIA

• SYIFA SITI SYAOQIYAH
• 2025

---

Angka harapan hidup memiliki peran sentral dalam menilai taraf kesejahteraan serta mutu kehidupan masyarakat di suatu daerah. Publikasi tahunan mengenai angka harapan hidup yang dirilis oleh Badan Pusat Statistik (BPS) mengungkapkan adanya ketimpangan antarprovinsi di Indonesia. Ketimpangan tersebut perlu dianalisis lebih lanjut guna mengetahui pola atau kelompok provinsi yang memiliki karakteristik angka harapan hidup yang serupa. Penelitian ini bertujuan untuk membandingkan performa algoritma K-Means dan K-Medoids dalam mengelompokkan 38 provinsi di Indonesia berdasarkan data AHH tahun 2024. Metode yang digunakan adalah Knowledge Discovery in Databases (KDD), yang mencakup tahapan data selection, data preprocessing, data transformation, data mining, dan evaluasi. Metode Elbow digunakan untuk menentukan jumlah cluster optimal bagi masing-masing algoritma. Hasil penelitian menunjukkan bahwa K-Means dan K-Medoids masing-masing membentuk tiga cluster dengan komposisi provinsi yang berbeda. Evaluasi menggunakan Davies-Bouldin Index (DBI) menunjukkan bahwa K-Medoids memiliki nilai DBI yang lebih rendah (0,457) dibanding K-Means (0,535), sehingga menghasilkan kualitas cluster yang lebih baik. Berdasarkan hasil tersebut, K-Medoids dinilai lebih optimal dalam mengelompokkan provinsi berdasarkan data AHH tahun 2024.

• Angka Harapan Hidup
• K-Means
• K-Medoids
• Clustering
• Davies-Bouldin Index.

https://repository.bsi.ac.id/repo/75595/PERBANDINGAN-K-MEANS-DAN-K-MEDOIDS-DALAM--PENGELOMPOKAN-PROVINSI-BERDASARKAN---ANGKA-HARAPAN-HIDUP-DI-INDONESIA
Anda dapat membaca file tugas akhir ini di repository.