<![CDATA[Penelitian ini bertujuan untuk mengelompokkan negara-negara di dunia berdasarkan indikator pembangunan global dengan menggunakan metode Principal Component Analysis (PCA) dan K-Means Clustering. Data yang digunakan bersumber dari Global Development Indicators tahun 2000–2020 yang mencakup dimensi ekonomi, sosial, dan digital. Tahapan analisis diawali dengan pra-pemrosesan data, termasuk interpolasi dan imputasi nilai hilang, standarisasi menggunakan Z-score, serta transformasi arah untuk variabel berdampak negatif. PCA diterapkan untuk mereduksi kompleksitas data, menghasilkan dua komponen utama (PC1 dan PC2) yang menjelaskan lebih dari 80% variansi data. Selanjutnya, K-Means digunakan untuk melakukan clustering, dengan evaluasi melalui silhouette coefficient yang menunjukkan nilai optimal sebesar 0,71 pada empat klaster. Hasil analisis menunjukkan bahwa kombinasi PCA dan K-Means efektif dalam mengidentifikasi pola pembangunan global dan mengelompokkan negara berdasarkan karakteristik pembangunan yang serupa. Temuan ini dapat digunakan sebagai dasar dalam penyusunan kebijakan pembangunan dan strategi kerja sama internasional yang lebih terarah.]]>
Copyrights © 2025
