<![CDATA[Ketimpangan kesejahteraan antarwilayah di Provinsi Sumatera Barat memerlukan pemetaan yang akurat sebagai dasar perumusan kebijakan yang tepat sasaran. Penelitian ini bertujuan untuk mengelompokkan tingkat kesejahteraan 19 kabupaten dan kota menggunakan algoritma K-Means Clustering berbasis pendekatan pooled data historis selama periode 2021–2025. Data sekunder bersumber dari Badan Pusat Statistik (BPS) meliputi empat indikator makro, yaitu Indeks Pembangunan Manusia (IPM), Persentase Penduduk Miskin, Tingkat Pengangguran Terbuka (TPT), dan Pengeluaran per Kapita disesuaikan. Melalui evaluasi Elbow Metho diperoleh segmentasi paling optimal yang terbagi menjadi tiga kelompok yaitu Klaster 0 diberi label Daerah Maju, Klaster 1 diberi label Daerah Berkembang, dan Klaster 2 diberi label Daerah Rentan. Pendekatan pooled data yang diterapkan berhasil memetakan transisi positif dari empat wilayah yang sukses naik kelas menuju Klaster 0. Selain itu ditemukan anomali ketenagakerjaan, yang mana daerah maju justru mencatat angka TPT tertinggi akibat fenomena pengangguran terdidik, sementara daerah rentan memiliki TPT terendah akibat tingginya gejala setengah pengangguran di sektor informal. Penelitian ini menyimpulkan bahwa intervensi pembangunan pemerintah daerah harus bersifat asimetris. Daerah maju perlu berfokus pada perluasan investasi sektor kreatif, sedangkan daerah rentan memprioritaskan pengentasan isolasi geografis.]]>
Copyrights © 2026
