<![CDATA[Abstract: Migration is a key component of population dynamics and plays an important role in shaping the social, economic, and spatial structures of a region. This study aims to identify and compare migration patterns across 35 regencies and cities in Central Java Province using two clustering methods: K-Means and K-Medoids. The analysis uses in-migration, out-migration, and the 2020 minimum wage (UMK) as indicators. Algorithm performance is evaluated using the Davies–Bouldin Index (DBI), and the clustering results are visualized as regional maps in R. The results show that K-Medoids outperforms K-Means, as reflected in its lower DBI value (0.9513 vs. 1.1197). K-Medoids produces four distinct regional clusters with varying demographic and economic characteristics: Cluster 1 includes urban areas with high mobility and medium wage levels; Cluster 2 consists of semi-urban regions with moderate migration and low wages; Cluster 3 represents industrial areas with high wages but low mobility; and Cluster 4 comprises economic centers characterized by the highest wage levels and substantial out-migration. These findings highlight the impact of regional economic disparities on migration patterns in Central Java and support data-driven policies for equitable development and population redistribution. Abstrak: Migrasi menjadi salah satu komponen penting dalam dinamika kependudukan yang berperan besar dalam perubahan struktur sosial, ekonomi dan distribusi penduduk suatu wilayah. Tujuan penelitian ini untuk mengenali dan membandingkan pola migrasi di 35 kabupaten/kota Provinsi Jawa Tengah melalui penerapan dua metode klastering, yakni K-Means dan K-Medoids. Indikator yang digunakan mencakup migrasi masuk, migrasi keluar, dan Upah Minimum Kabupaten/Kota (UMK) tahun 2020. Evaluasi kinerja kedua algoritma dilakukan dengan menggunakan Davies Bouldin Index (DBI). Analisis dan pemetaan hasil klastering dilakukkan menggunakan software R. Algoritma K-Medoids terbukti lebih optimal daripada K-Means, karena nilai DBI yang lebih kecil (0,9513) daripada K-Means (1,1197). Metode K-Medoids membentuk empat klaster wilayah dengan karakteristik demografis dan ekonomi yang berbeda. Klaster 1 mencerminkan daerah urban dengan mobilitas tinggi dan UMK menengah, Klaster 2 menggambarkan wilayah semi-urban dengan migrasi moderat dan UMK rendah, Klaster 3 terdiri atas daerah industri dengan UMK tinggi dan mobilitas rendah, sedangkan Klaster 4 menunjukkan pusat ekonomi dengan UMK tertinggi dan mobilitas keluar besar. Perbedaan kondisi ekonomi regional memengaruhi pola migrasi di Jawa Tengah dan menjadi dasar empiris bagi kebijakan pemerataan pembangunan serta redistribusi penduduk.]]>
