<![CDATA[Ketimpangan pembangunan manusia di Provinsi Jawa Tengah tetap menjadi tantangan besar yang memerlukan pendekatan berbasis data. Penelitian ini mengelompokkan kabupaten/kota berdasarkan komponen Indeks Pembangunan Manusia (IPM) tahun 2019–2024 menggunakan algoritma K-Means. Variabel yang dianalisis meliputi Usia Harapan Hidup, Harapan Lama Sekolah, Rata-Rata Lama Sekolah, dan Pengeluaran per Kapita. Data diproses melalui tahapan penting, seperti standarisasi, deteksi outlier, dan reduksi dimensi menggunakan Uniform Manifold Approximation and Projection (UMAP), serta penentuan jumlah klaster optimal dengan Elbow Method dan Silhouette Score. Hasil analisis menunjukkan empat klaster optimal dengan nilai Silhouette Score sebesar 0,71, yang mengelompokkan data tahunan seluruh kabupaten/kota ke dalam kelompok-kelompok dengan tingkat pembangunan manusia yang berbeda secara signifikan. Klaster dengan nilai IPM tertinggi terdiri dari kota-kota besar, seperti Semarang, Salatiga, dan Surakarta, sementara klaster terendah mencakup wilayah yang masih menghadapi berbagai kendala dalam aspek kesehatan, pendidikan, dan ekonomi. Visualisasi UMAP membantu interpretasi distribusi klaster dan memberikan masukan strategis bagi kebijakan pembangunan wilayah yang lebih merata. Kata Kunci: klasterisasi, indeks pembangunan manusia, K-Means, UMAP, Jawa Tengah]]>
Copyrights © 2025
