<![CDATA[Analisis terhadap ketimpangan pencapaian pembangunan antara laki-laki dan perempuan memerlukan pendekatan pemodelan data tingkat lanjut dalam pemetaan distribusi spasial secara akurat. Penelitian ini mengeksplorasi masalah disparitas pembangunan gender di tingkat kabupaten/kota di Indonesia menggunakan data tahun 2025 yang diakses dari BPS pada Mei 2026 dengan melakukan studi perbandingan antara dua algoritma yaitu K-Means dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Pemecahan masalah difokuskan pada pengelompokkan 514 wilayah administratif di Indonesia menggunakan indikator pembentuk Indeks Pembangunan Manusia (IPM) berbasis gender, yang meliputi Angka Harapan Lama Sekolah, Rata-rata Lama Sekolah, Pengeluaran per Kapita yang Disesuaikan, dan Umur Harapan Hidup saat lahir. Metodologi yang digunakan dalam penelitian ini yaitu preprocessing data, kalkulasi indeks komposit menggunakan rata-rata geometrik sesuai standar Badan Pusat Statistik terbaru, serta menguji bagaimana struktur algoritma tersebut diatur dalam mengolah data. Pengujian menggunakan Silhouette Score dan Davies-Bouldin Index menunjukkan bahwa algoritma K-Means secara keseluruhan lebih unggul dalam menghasilkan klaster yang kompak dan terstruktur untuk kategorisasi umum wilayah berbasis capaian IPG. Algoritma DBSCAN berperan sebagai pelengkap yang efektif dalam mengidentifikasi 33 kabupaten/kota sebagai anomali dengan profil pembangunan gender yang menyimpang secara signifikan dari pola umum. Penelitian ini merekomendasikan K-Means sebagai algoritma utama klasterisasi wilayah IPG, dengan DBSCAN sebagai instrumen pendukung untuk deteksi daerah prioritas intervensi kebijakan gender secara khusus]]>
Copyrights © 2026
