<![CDATA[Kesehatan lingkungan merupakan salah satu aspek penting dalam meningkatkan kualitas hidup masyarakat. Namun, capaian indikator kesehatan lingkungan masih menunjukkan perbedaan antarprovinsi di Indonesia sehingga diperlukan analisis pengelompokan untuk mengidentiikasi provinsi yang memiliki karakteristik serupa. Penelitian ini bertujuan membandingkan kinerja metode Mean Shift Clustering dan Density Peaks Clustering (DPC) dalam mengelompokkan provinsi berdasarkan indikator kesehatan lingkungan di Indonesia. Data yang digunakan merupakan data sekunder Profil Kesehatan Indonesia Tahun 2024 yang mencakup 38 provinsi dengan sembilan indikator kesehatan lingkungan. Analisis dilakukan menggunakan bahasa pemrograman Python. Penentuan parameter bandwidth pada Mean Shift Clustering menggunakan pendekatan quantile, sedangkan parameter cut‑off distance pada DPC menggunakan pendekatan persentil. Kinerja kedua metode dievaluasi menggunakan Silhouette Coeficient (SC) dan Davies‑Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa Mean Shift Clustering menghasilkan dua klaster, sedangkan DPC menghasilkan dua klaster utama dan satu klaster outlier yang merepresentasikan provinsi dengan karakteristik berbeda dari klaster lainnya. DPC memperoleh nilai SC sebesar 0,7257 dan DBI sebesar 0,3342, sedangkan Mean Shift Clustering memperoleh nilai SC sebesar 0,7010 dan DBI sebesar 0,4440. Hasil tersebut menunjukkan bahwa DPC menghasilkan struktur klaster yang lebih kompak dan memiliki pemisahan antarklaster yang lebih baik, sehingga lebih sesuai digunakan untuk pengelompokan provinsi berdasarkan indikator kesehatan lingkungan di Indonesia.]]>
Copyrights © 2026
