<![CDATA[Indonesia merupakan negara dengan kekayaan alam dan budaya yang beragam sehingga memiliki potensi pariwisata yang sangat besar. Salah satu faktor penting dalam pertumbuhan sektor pariwisata adalah pergerakan wisatawan nusantara. Kegiatan wisata yang dilakukan oleh wisatawan nusantara memiliki berbagai tujuan, seperti liburan, kunjungan keluarga, keagamaan, maupun urusan pekerjaan. Keanekaragaman tersebut mencerminkan adanya perbedaan karakteristik lokasi wisata di setiap provinsi sehingga diperlukan analisis lebih lanjut untuk mengelompokkan provinsi berdasarkan profil perjalanan wisata. Penelitian ini bertujuan untuk membandingkan hasil segmentasi menggunakan metode K-Means dan Agglomerative Hierarchical Clustering (AHC) terhadap provinsi di Indonesia berdasarkan data perjalanan wisata tahun 2024 yang bersumber dari Badan Pusat Statistik (BPS). Evaluasi hasil cluster dengan metode K-Means menunjukkan terbentuknya 3 cluster dengan Silhouette Score sebesar 0,662. Sedangkan, dengan metode Agglomerative Hierarchical Clustering (AHC) terbentuk 3 cluster yang memiliki nilai Silhouette Score sebesar 0,9535 menggunakan pemilihan jarak average linkage. Hal tersebut menunjukkan bahwa objek atau data sudah berada pada cluster yang sesuai. Indonesia is a country with diverse natural and cultural resources, giving it enormous tourism potential. One important factor in the growth of the tourism sector is the movement of domestic tourists. Domestic tourists engage in various types of tourism activities, such as vacations, family visits, religious pilgrimages, and business trips. This diversity reflects the differing characteristics of tourist destinations across provinces, necessitating further analysis to group provinces based on travel profiles. This study aims to compare the results of segmentation using the K-Means method and Agglomerative Hierarchical Clustering (AHC) for provinces in Indonesia based on 2024 travel data sourced from the Central Statistics Agency (BPS). The evaluation of the cluster results using the K-Means method shows the formation of 3 clusters with a Silhouette Score of 0.662. Meanwhile, using the Agglomerative Hierarchical Clustering (AHC) method, 3 clusters were formed with a Silhouette Score of 0.9535 using the average linkage distance selection. This indicates that the objects or data are already in the appropriate clusters.]]>
