<![CDATA[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]]>
