Penentuan Metode Cluster Hierarki Terbaik dengan Korelasi Cophenetic pada Pengelompokan Kabupaten/Kota di Indonesia Berdasarkan Variabel yang Memengaruhi Indeks Pembangunan Manusia

Determination of the Best Hierarchical Clustering Method with Cophenetic Correlation in the Clustering of Districts/Cities in Indonesia Based on Variables Affecting the Human Development Index

Abstrak

Capaian Indeks Pembangunan Manusia di Indonesia pada tahun 2023 mencapai 73,55 poin menunjukkan bahwa angka tersebut berada pada kategori tinggi. Akan tetapi, jika ditinjau berdasarkan wilayah kabupaten/kota, maka terjadi ketimpangan terhadap wilayah pembangunan. Ketimpangan ini bisa dilihat berdasarkan perbedaan capaian Indeks Pembangunan Manusia pada enam wilayah kabupaten/kota di Provinsi DKI Jakarta yang masuk dalam kategori tinggi dan sangat tinggi, sementara Provinsi Papua mendominasi pada kategori rendah. Hal tersebut menunjukkan bahwa terjadi ketimpangan pembangunan manusia pada wilayah kabupaten/kota di Indonesia. Penelitian yang dilakukan ini bertujuan untuk membantu merancang strategi yang lebih tepat sasaran untuk meningkatkan kualitas hidup masyarakat, baik di daerah dengan Indeks Pembangunan Manusia dengan kategori rendah maupun di daerah dengan Indeks Pembangunan Manusia dengan kategori tinggi melalui pendekatan yang berbasis pada kesamaan kondisi wilayah sosial ekonomi masing-masing wilayah. Analisis dalam penelitian ini memanfaatkan data yang mencakup Umur Harapan Hidup, Harapan Lama Sekolah, Rata-rata Lama Sekolah, Pengeluaran Riil per Kapita yang Disesuaikan, Tingkat Pengangguran Terbuka, dan Upah Minimum. Penelitian ini menentukan analisis cluster hierarki terbaik menggunakan korelasi Cophenetic lalu menentukan jumlah cluster optimum menggunakan package NbClust pada software RStudio. Hasil dari penelitian tersebut yaitu diperoleh metode terbaik yang digunakan ialah metode Average Linkage yang terbagi menjadi 5 cluster berdasarkan karakteristik wilayah pembangunan manusia.