Jurnal Riset Statistika

Pengaruh Harga Pangan terhadap Inflasi dengan Metode Vector Autoregressive Integrated Moving Average

Salsabila Pratiwi — Sun, 24 Dec 2023 00:00:00 +0800

Abstract. Vector Autoregressive Integrated Moving Average (VARIMA) method is one of the forecasting methods using multivariate time series data with regard to the relationship between endogenous variables and produce optimal lag to form a VARIMA model. However, in the VARIMA model has a requirement that the data used must be stationary. If the data is not stationary then it is necessary to do some stationarity process first. The Data used in this study is data on food prices and inflation data DKI Jakarta. In this study will be seen how the relationship between food prices and general inflation in Jakarta with VARIMA method. Forecasting Model that is appropriate and can be used to determine the relationship between food price variables and general inflation in DKI Jakarta is VARIMA model (1,1,0). The results of the granger causality test is that there is a causal relationship between cayenne pepper variables and general inflation, but in other food price variables, namely rice and cooking oil, there is no causal relationship with general inflation. In other words, only cayenne pepper variables that affect general inflation in Jakarta.

Abstrak. Metode Vector Autoregressive Integrated Moving Average (VARIMA) merupakan salah satu metode peramalan menggunakan data time series multivariat dengan memperhatikan hubungan antar variabel endogen dan menghasilkan lag optimal untuk membentuk model VARIMA. Namun di dalam model VARIMA mempunyai syarat bahwa data yang digunakan harus bersifat stasioner. Jika data tidak stasioner maka perlu dilakukan beberapa proses kestasioneran terlebih dahulu. Data yang digunakan pada penelitian ini adalah data harga pangan dan data inflasi DKI Jakarta. Pada penelitian ini akan dilihat bagaimana hubungan diantara harga pangan dan inflasi umum di DKI Jakarta dengan metode VARIMA. Model peramalan yang sesuai dan dapat digunakan dalam mengetahui hubungan diantara variabel harga pangan dan inflasi umum di DKI Jakarta yaitu model VARIMA (1,1,0). Hasil dari pengujian kausalitas granger ialah terdapat hubungan kausalitas pada variabel cabai rawit dengan inflasi umum, akan tetapi pada variabel harga pangan lain yaitu beras dan minyak goreng tidak terdapat hubungan kausalitas dengan inflasi umum. Dengan kata lain, hanya variabel cabai rawit yang mempengaruhi inflasi umum di DKI Jakarta.

Penerapan Regresi Double Poisson untuk Memprediksi Pertandingan dan Klasemen Liga 1 Indonesia

Dyar Al Falah Hilman — Sun, 24 Dec 2023 00:00:00 +0800

Abstract. Football has become the most popular physical sport in the world. Football has evolved into a sport that involves scientists to improve the quality of competition. Predicting football matches is an interesting topic for scientists, especially data analysts. Various prediction models have been used to predict the outcome of football matches, including regression models. Regression analysis is one of the statistical methods used to see the causal relationship between variables, but for some conditions it is necessary to use a generalized linear model (GLM) model for data in the form of discrete numbers. The number of goals that occur in football matches is a discrete number that can be modeled through GLM. In this study the authors conducted double Poisson regression modeling to predict the results of matches and the final standings of the 2019 Indonesia Liga 1 based on the first half season data. The prediction results show that the double Poisson regression model has a match result prediction accuracy of 45.75%. In addition, this model can predict the championship team, 11 of the 13 teams in the mid-table, 2 of the 3 teams that go down to the second tier (relegation), and even correctly predict the standings of 5 of the 18 teams participating in the 2019 Indonesian League.

Abstrak. Sepak bola telah menjadi olahraga fisik paling populer di dunia. Sepak bola telah berkembang menjadi olahraga yang ikut melibatkan ilmuwan demi meningkatkan kualitas kompetisinya. Melakukan prediksi pertandingan sepak bola merupakan topik yang menarik bagi para ilmuwan, khususnya analis data. Beragam model prediksi telah digunakan untuk memprediksi hasil pertandingan sepak bola, salah satunya dengan model regresi. Analisis regresi merupakan salah satu metode statistik yang digunakan untuk melihat hubungan kausalitas antar variabel, namun untuk beberapa kondisi perlu digunakan model generalized linear model (GLM) untuk data yang berupa bilangan diskrit. Jumlah gol yang terjadi pada pertandingan sepak bola berupa bilangan diskrit yang mampu dimodelkan melalui GLM. Pada penelitian ini penulis melakukan pemodelan regresi double Poisson untuk memprediksi hasil pertandingan dan klasemen akhir Liga 1 Indonesia 2019 berdasarkan data setengah musim pertama. Hasil prediksi menunjukkan bahwa model regresi double Poisson memiliki ketepatan prediksi hasil pertandingan sebesar 45,75%. Selain itu, model ini dapat memprediksi tim juara, 11 dari 13 tim yang berada di papan tengah, 2 dari 3 tim yang turun ke kasta kedua (degradasi), bahkan tepat dalam memprediksi posisi klasemen 5 dari 18 tim peserta Liga Indonesia 2019.

Penerapan Artificial Neural Network dengan Algoritma Backpropagation untuk Memprediksi Harga Saham

Widhi Aryanti — Sun, 24 Dec 2023 00:00:00 +0800

Abstract. Data can be utilized in making a decision in the future. In determining a crucial decision, an appropriate method is needed in predicting data. One of the most widely used methods in predicting data is multiple linear regression with the ordinary least squares (OLS) method, but in its implementation the data often does not meet the assumptions so that Atrificial Neural Network (ANN) is used as an alternative for predicting data because of its ability to carry out learning algorithms from data where in the process no assumptions are needed. ANN can study the patterns contained in the data through a series of interconnected layers, where each layer consists of a number of neurons that have certain weights and biases. The sigmoid activation function is used to activate or deactivate a neuron and to facilitate calculations when performing the Backpropagation Neural Network algorithm. The Backpropagation Neural Network (BNN) algorithm starts from initializing the initial weights and biases, then predicts the testing data, calculates errors, and updates the weights and biases using a gradient algorithm. From the test results, using a multilayer network, the architectural components 7-3-1 and the factor assessment are obtained with details of the number of iterations of 100, the learning rate value is 0.9 and the error tolerance is 0.01 so that the average result value of RMSE Atrificial Neural Network (ANN) is 0.01392 for the training process, the average RMSE Atrial Neural Network (ANN) is 0.01128 for the testing process and the accuracy reaches 96%.

Abstrak. Data dapat dimanfaatkan dalam membuat sebuah keputusan di masa yang akan datang. Dalam menentukan sebuah keputusan yang krusial diperlukan sebuah metode yang tepat dalam memprediksi data. Salah satu metode yang paling banyak digunakan dalam memprediksi data adalah regresi linear berganda dengan metode ordinary least square (OLS), namun dalam penerepannya sering kali data tidak memenuhi asusmi sehingga Atrificial neural network (ANN) dijadikan sebagai alternatif untuk memprediksi data karena kemampuannya dalam melakukan algoritma pembelajaran dari data dimana dalam prosesnya tidak diperlukan asumsi apapun. ANN dapat mempelajari pola-pola yang terdapat pada data melalui serangkaian layer yang saling terhubung, dimana setiap layer terdiri dari sejumlah neuron yang memiliki bobot dan bias tertentu. Fungsi aktivasi sigmoid digunakan untuk mengaktifkan atau menonaktifkan sebuah neuron serta untuk memudahkan perhitungan pada saat melakukan algoritma Backpropagation Neural Network. Algoritma Backpropagation Neural Network (BNN) dimulai dari inisialisasi bobot dan bias awal, kemudian melakukan prediksi terhadap data testing, menghitung error, dan memperbarui bobot dan bias menggunakan algoritma gradien. Dari hasil pengujian, menggunakan multilayer network diperoleh komponen arsitektur 7-3-1 dan penilaian faktor dengan rincian jumlah iterasi 100, nilai learning rate sebesar 0,9 dan toleransi error sebesar 0,01 sehingga diperoleh nilai hasil rata-rata RMSE Atrificial neural network (ANN) sebesar 0,01392 untuk proses training, rata-rata RMSE Atrificial neural network (ANN) sebesar 0,01128 untuk proses testing dan akurasi mencapai 96%.

Penerapan CUSUM-Tukey’s Control Chart untuk Mendeteksi Perubahan Rata-Rata Proses pada Data Non-Normal

Mario Bernardino — Sun, 24 Dec 2023 00:00:00 +0800

Abstract. Cumulative Sum (CUSUM) control charts are often used for process control in order to detect small shifts in either the concentration size or the spread size or both. In determining the control limits based on the assumption that the population must be normally distributed. In practice, not all quality characteristics are normally distributed. If the CUSUM diagram is used, the performance will decrease. Therefore, to overcome it can use nonparametric control charts. In this thesis, the CUSUM-Tukey’s Control Chart (CUSUM-TCC) will be discussed to detect shifts that occur in the average, the procedure does not depend on the distribution of certain quality characteristics. This CUSUM-TCC diagram will be applied in controlling shifts in the average daily gold price in Indonesia in 2022. It will see whether there is a shift in the production process that occurs in gold prices in Indonesia in 2022. The results obtained are that the price of gold in Indonesia in 2022 is not statistically controlled because several periods have experienced out of control. The results of applying the CUSUM-TCC control chart to the shift in the average daily price of gold in 2022 are out of control in the 55th period.

Abstrak. Diagram kontrol Cumulative Sum (CUSUM) sering digunakan untuk pengontrolan proses di dalam rangka mendeteksi pergeseran kecil dari ukuran pemusatan atau ukuran penyebaran atau keduanya. Dalam menentukan batas-batas kontrol nya didasarkan asumsi bahwa populasi harus berdistribusi normal. Dalam prakteknya tidak semua karakteristik mutu berdistribusi normal. Apabila diagram CUSUM digunakan maka kinerja akan menurun. Oleh karena itu, untuk menanggulanginya dapat menggunakan diagram kontrol nonparametrik. Dalam skripsi ini akan dibahas CUSUM-Tukey Control Chart (CUSUM-TCC) untuk mendeteksi pergeseran yang terjadi pada rata-rata yang prosedurnya tidak bergantung pada distribusi karakteristik mutu tertentu. Diagram CUSUM-TCC ini akan diaplikasikan dalam pengontrolan pergeseran rata-rata harga harian emas di Indonesia pada tahun 2022. Dimana akan melihat apakah terdapat pergeseran proses produksi yang terjadi pada harga emas di Indonesia pada tahun 2022. Hasil yang diperoleh yaitu harga emas di Indonesia pada tahun 2022 tidak terkontrol secara statistik dikarenakan beberapa periode mengalami out of control. Hasil penerapan pada diagram kontrol CUSUM-TCC pada pergeseran rata-rata harga harian emas pada tahun 2022 mengalami out of control pada periode ke-55.

Pemodelan Regresi Hurdle Negative Binomial pada Jumlah Kasus Difteri Jawa Barat 2020

Tasya Azzahra — Mon, 25 Dec 2023 00:00:00 +0800

Abstract. One of the causes of overdispersion in the count data is excess zero. When the Poisson regression model is still used, the estimation of parameters that are not necessarily significant will be considered significant, because these conditions can cause the standard error on the estimated regression parameters to be lower. An alternative regression Model that can solve the problem of overdispersion with an excess of Zero is the Hurdle Negative Binomial (HNB). The purpose of this study was to determine what factors have a significant effect on diphtheria cases in West Java Province in 2020 and to determine the application of the Hurdle Negative Binomial (HNB) regression model on diphtheria case data in West Java Province in 2020. In this study the dependent variable (Y) used is the number of diphtheria cases in West Java Province in 2020 and the independent variables are the percentage of basic immunization coverage (X1), the number of malnourished toddlers (X2), DPT-HB-Hib3 immunization (X3), and population density (X4). From the results of the study, in partial testing of factors that affect the number of diphtheria cases in West Java Province in 2020 significantly on the hurdle negative binomial regression model, namely the percentage of basic immunization coverage (X1) and the number of malnourished balia (X2) and the application of the hurdle negative binomial regression model on the number of diphtheria cases in West Java province, information was obtained that there was overdispersion, it can be concluded that the model that matches the data on the number of diphtheria cases in West Java Province in 2020 is the hurdle negative binomial regression model.

Abstrak. Salah satu penyebab overdispersi pada data count adalah excess zero. Ketika model regresi Poisson tetap digunakan, maka estimasi parameter yang belum tentu signifikan akan dipandang signifikan, karena kondisi tersebut dapat menyebabkan standard error pada parameter regresi yang diestimasi menjadi lebih rendah. Model regresi alternatif yang dapat mengatasi permasalahan overdispersi dengan kelebihan nol adalah Hurdle Negative Binomial (HNB). Tujuan dari penelitian ini adalah untuk mengetahui faktor apa saja yang berpengaruh secara signifikan terhadap kasus difteri di Provinsi Jawa Barat pada tahun 2020 serta mengetahui penerapan model regresi Hurdle Negative Binomial (HNB) pada data kasus difteri di Provinsi Jawa Barat pada tahun 2020. Pada penelitian ini variabel terikat (Y) yang digunakan adalah Jumlah Kasus Difteri di Provinsi Jawa Barat pada Tahun 2020 dan variabel bebasnya adalah Persentase Cakupan Imunisasi Dasar (X1), Jumlah Balita Gizi Kurang (X2), Imunisasi DPT-HB-Hib3 (X3), dan Kepadatan Penduduk (X4). Dari hasil penelitian, pada pengujian parsial faktor yang mempengaruhi jumlah kasus difteri di Provinsi Jawa Barat pada tahun 2020 secara signifikan pada model regresi hurdle negative binomial, yaitu persentase cakupan imunisasi dasar (X1) dan jumlah balia gizi kurang (X2) serta penerapan model regresi hurdle negative binomial pada jumlah kasus difteri di Provinsi Jawa Barat diperoleh informasi bahwa terjadi overdispersi, maka dapat disimpulkan bahwa model yang cocok pada data jumlah kasus difteri di Provinsi Jawa Barat pada tahun 2020 adalah model regresi hurdle negative binomial.

Hubungan Antara Kesadaran Kesetaraan Gender pada Mahasiswa dan Sikap Diskriminasi kepada Perempuan

Nur Rofiq Azijah, Ilham Faishal Mahdy — Mon, 25 Dec 2023 00:00:00 +0800

Abstract. Gender equality awareness refers to the awareness of an equal state between men and women in the fulfillment of rights and obligations. Women's participation consists of traditional roles (domestic roles) and transitions (public roles). The purpose of this study is to find out whether there is a relationship between gender awareness in men and discrimination against women. The technique used in sampling is Stratified Random Sampling with a sample count of 100 samples. The method of collecting data is obtained from the distribution of questionnaires in the form of Google forms to respondents. Data processing uses Rank Spearman correlation analysis with the help of the SPSS program. The results showed that there was a linear relationship between the gender equality awareness variable in male students Statistics Unisba and the variable attitude of discrimination in women. This relationship has a positive direction of 0.697 which means the relationship is strong. Based on the results of the study, the increasing awareness of gender equality in male students Statistics Unisba will have to do with increasing understanding of discrimination against women.

Abstrak. Kesadaran kesetaraan gender merujuk kepada kesadaran akan suatu keadaan setara antara laki-laki dan perempuan dalam pemenuhan hak dan kewajiban. Partisipasi wanita terdiri dari peran tradisi (peran domestik) dan transisi (peran publik). Tujuan dilakukannya penelitian ini, yaitu untuk mengetahui apakah ada hubungan antara kesadaran kesetaran gender pada laki-laki dan sikap diskriminasi kepada perempuan. Teknik yang digunakan dalam pengambilan sampel adalah Stratified Random Sampling dengan jumlah sampel sebanyak 100 sampel. Metode pengumpulan data diperoleh dari pembagian kuesioner berupa Google form kepada responden. Pengolahan data menggunakan analisis korelasi Rank Spearman dengan bantuan program SPSS. Hasil penelitian menunjukkan terdapat hubungan linier antara variabel kesadaran kesetaraan gender pada mahasiswa laki-laki Statistika Unisba dan variabel sikap diskriminasi pada perempuan. Hubungan ini memiliki arah positif sebesar 0,697 yang berarti hubungannya kuat. Berdasarkan hasil penelitian tersebut, semakin meningkatnya kesadaran kesetaraan gender pada mahasiswa laki-laki Statistika Unisba akan ada hubungannya dengan meningkatnya pemahaman mengenai sikap diskriminasi kepada perempuan.

Pemodelan Umur Harapan Hidup di Jabar Tahun 2021 Menggunakan Spatial Durbin Model

Ratih Nurfitri, Teti Sofia Yanti — Mon, 25 Dec 2023 00:00:00 +0800

Abstract. Linear regression analysis is a technique in statistics to form a model of the relationship between response variables with one or more predictor variables, but linear regression becomes less specific if the data used has a location aspect because the modeling does not take into account the proximity factor between regions. Therefore there was a development of linear regression into spatial regression where the location aspect is also considered, one of the spatial regression analysis is spatial Durbin Model (SDM) or a type of spatial regression analysis that considers the influence of the proximity of the region on the response variables and predictor variables. In this study, life expectancy modeling will be carried out to determine the factors that affect life expectancy in West Java province in 2021 with the predictive variables being the average length of school, the percentage of households behaving clean and healthy, the number of Posyandu, the percentage of poor people and adjusted per capita expenditure. From the results of the study, the factors that have a significant effect on life expectancy are the average length of schooling and the percentage of adjusted per capita expenditure, with the value of the coefficient of determination (R2) is 73.002 % which can be interpreted that the life expectancy model in West Java in 2021 can be explained by the model of 73.002%, while.

Abstrak. Analisis regresi linier adalah teknik dalam statistika untuk membentuk model hubungan antara variabel respon dengan satu atau lebih variabel prediktor, namun regresi linier menjadi kurang spesifik jika data yang digunakan memiliki aspek lokasi karena dalam pemodelannya tidak memperhitungkan faktor kedekatan antar wilayah. Oleh karena itu terjadilah pengembangan regresi linier menjadi regresi spasial dimana aspek lokasi juga ikut diperhatikan, salah satu analisis regresi spasial adalah Spatial Durbin Model (SDM) atau jenis analisis regresi spasial yang memperhatikan pengaruh kedekatan daerah pada variabel respon maupun variabel prediktornya. Pada penelitian ini akan dilakukan pemodelan Umur Harapan Hidup untuk mengetahui faktor-faktor yang mempengaruhi Umur Harapan Hidup yang ada di provinsi Jawa Barat pada tahun 2021 dengan variabel predikornya adalah Rata-rata Lama Sekolah, Persentase Rumah Tangga Berperilaku Hidup Bersih dan Sehat, Jumlah Posyandu, Persentase Jumlah Penduduk Miskin dan Pengeluaran Perkapita yang Disesuaikan. Dari hasil penelitian, faktor-faktor yang berpengaruh signifikan terhadap umur harapan hidup adalah rata-rata lama sekolah dan persentase pengeluaran perkapita yang disesuaikan, dengan nilai koefisien determinasi (R2) adalah 73,002 % yang dapat diartikan bahwa model umur harapan hidup di Jawa Barat tahun 2021 dapat dijelaskan oleh model sebesar 73,002%, sedangkan sisanya 26.998% dijelaskan oleh variabel lain diluar model.

Determinasi Derajat Kelangsungan Hidup Anak Menggunakan Multigroup Structural Equation Modeling

Jasmine Wildani Arisa, Nusar Hajarisman — Mon, 25 Dec 2023 00:00:00 +0800

Abstract. Basically, the main objective of this research is to apply the analysis technique of Multigroup Structural Equation Modeling (MSEM) to identify factors that affect the degree of child survival, where in this research Structural Equation Modeling will be developed in the case of heterogeneous data. This heterogeneous data cluster is divided into 2 groups, namely groups with high HDI areas and moderate HDI areas, where the groups are homogeneous. This research focuses on testing measurement invariance in heterogeneous data clusters. The data used comes from secondary data taken from the Social Health Office and BKKBN of West Java Province. The results of the application show that there are differences in indicators between high HDI groups and moderate HDI groups that make an important contribution to health facility factors and socio-economic factors. As for the results of invariance testing through stepwise analysis to determine the average similarity between health facility factors and socio-economic factors, it is concluded that the model has provided a good level of fit to the data.

Abstrak. Pada dasarnya tujuan utama penelitian ini adalah untuk menerapkan teknik analisis dari Multigroup Structural Equation Modeling (MSEM) untuk mengidentifikasi faktor-faktor yang berpengaruh terhadap derajat kelangsungan hidup anak, dimana pada penelitian ini akan dikembangkan pemodelan Structural Equation Modeling pada kasus data yang heterogen. Gugus data yang heterogen ini terbagi menjadi 2 kelompok, yaitu kelompok dengan wilayah IPM tinggi dan wilayah IPM sedang, dimana dalam kelompok tersebut bersifat homogen. Penelitian ini difokuskan pada pengujian invarians pengukuran (measurement invariance) pada gugus data yang heterogen. Data yang digunakan berasal dari data sekunder yang diambil dari Dinas Sosial Kesehatan dan BKKBN Provinsi Jawa Barat. Hasil penerapan menunjukan bahwa terdapat perbedaan indikator antara kelompok IPM tinggi dengan kelompok IPM sedang yang memberikan kontribusi penting pada faktor fasilitas kesehatan dan faktor sosial-ekonomi. Adapun pada hasil pengujian invarians melalui stepwise analysis untuk mengetahui kesamaan rata-rata antara faktor fasilitas Kesehatan dengan faktor sosial-ekonomi disimpulkan bahwa model telah memberikan tingkat kecocokan yang baik terhadap data.

Model Random Coefficient Autoregressive Orde Pertama dan Penerapannya

Fhilip Trisa Parera, Suwanda — Mon, 25 Dec 2023 00:00:00 +0800

Abstract. The data used for forecasting using the RCA (1) model must have a stationary pattern or be around the average. However, most economic data has volatility properties, which means that it describes large changes in either the increase or decrease in the object measured in a certain period of time such as in data on gold prices, stock prices and so on. In conditions of volatility data, the RCA(1) model can work very well in forecasting because large changes in the value of the variable cause the size of the variance in the variable to move randomly over time. The purpose of this research is to see the forecasting results and the level of accuracy in forecasting the daily gold price in 2023 based on the RCA(1) model. In the analysis results, the parameter estimation value in the RCA(1) model is BLUE (Best Linear Unbiased Estimator) because all assumptions in the Ordinary Least Square (OLS) method are met. In addition, it is also evident that the volatility of the data causes the estimated value of the variance of the coefficient to move away from zero. Then, the forecasting value using the RCA(1) model has a high accuracy rate of 3.86% which is calculated through the Mean Absolute Percentage Error (MAPE). This means that the RCA(1) model works very well for forecasting short and volatile time series data. And it can be seen for the forecast of 1 day ahead that is on May 17, 2023 at $1994,71/Ons where the price of gold has fallen from the day before.

Abstrak. Data yang digunakan untuk melakukan peramalan menggunakan model RCA(1) harus memiliki pola yang stasioner atau berada disekitar rata-rata. Namun, sebagian besar data ekonomi memiliki sifat volatilitas yang artinya menggambarkan perubahan besar baik kenaikan atau penurunan pada objek yang diukur dalam periode waktu tertentu seperti pada data harga emas, harga saham dan lain sebagainya. Pada kondisi data yang bersifat volatilitas, model RCA(1) dapat bekerja sangat baik dalam peramalan karena perubahan besar nilai variabel menyebabkan ukuran varians pada variabel bergerak secara acak dari waktu ke waktu. Tujuan penelitian ini yaitu melihat hasil peramalan dan tingkat akurasi dalam meramalkan harga emas harian tahun 2023 berdasarkan model RCA(1). Dalam hasil analisis, nilai estimasi parameter pada model RCA(1) bersifat BLUE (Best Linear Unbiased Estimator) karena semua asumsi pada metode Ordinary Least Square (OLS) terpenuhi. Selain itu, terbukti pula bahwa data yang bervolatilitas menyebabkan nilai estimasi varians dari koefisien menjauhi nilai nol. Kemudian, nilai peramalan menggunakan model RCA(1) memiliki nilai tingkat akurasi yang tinggi yaitu sebesar 3.86% yang dihitung melalui Mean Absolute Percentage Error (MAPE). Artinya, model RCA(1) bekerja sangat baik untuk peramalan data deret waktu singkat dan bervolatilitas. Dan terlihat untuk peramalan 1 hari kedepan yaitu pada tanggal 17 Mei 2023 sebesar 1994.71 USD/Ons dimana harga emas mengalami penurunan dari hari sebelumnya.

Pengelompokan Kabupaten/Kota berdasarkan Indikator Indeks Pembangunan Manusia 2022 Menggunakan K-Harmonic Means Clustering

Aya Dewanti Sofia — Mon, 25 Dec 2023 00:00:00 +0800

Abstract. Clustering is a method to find clusters in the data by dividing the data into different clusters so that the data from each cluster has a maximum similarity while the data between clusters has a minimum similarity. The purpose of this study is to classify districts/cities in Indonesia based on Human Development Index (HDI) indicators, namely life expectancy (UHH), average school duration (RLS), School duration expectations (HLS), and real per capita expenditure (adjusted) in 2022 using the K-Harmonic Means clustering method. In addition, to determine the characteristics of districts/cities in the cluster formed using the K-Harmonic Means clustering method. The results obtained that cluster 1 is a cluster with a medium category with members as many as 15 districts/cities, cluster 2 is a cluster with a very high category with members as many as 316 districts/cities, cluster 3 is a cluster with a high category with members as many as 182 districts/cities, and Cluster 4 is a cluster with a low category with members as many as 1 district/city. From 13 iterations, the accuracy value is obtained to see the stability of the cluster formed by 99.4%. Where 511 regencies / cities are in the same cluster in each iteration process, while 3 regencies / cities are in different clusters in each iteration process.

Abstrak. Clustering adalah metode untuk menemukan klaster dalam data dengan membagi data menjadi klaster yang berbeda sehingga data dari masing-masing klaster memiliki kemiripan yang maksimum sementara data antara klaster memiliki kemiripan yang minimum. Tujuan dari penelitian ini adalah mengelompokkan kabupaten/kota di Indonesia berdasarkan indikator Indeks Pembangunan Manusia (IPM) yaitu Umur Harapan Hidup (UHH), Rata-rata Lama Sekolah (RLS), Harapan Lama Sekolah (HLS), dan Pengeluran Riil per Kapita (yang disesuaikan) pada tahun 2022 menggunakan metode klasterisasi K-Harmonic Means. Selain itu, untuk mengetahui karakteristik kabupaten/kota pada klaster yang terbentuk menggunakan metode klasterisasi K-Harmonic Means. Hasil penelitian diperoleh bahwa klaster 1 merupakan klaster dengan kategori sedang dengan anggota sebanyak 15 kabupaten/kota, klaster 2 merupakan klaster dengan kategori sangat tinggi dengan anggota sebanyak 316 kabupaten/kota, klaster 3 merupakan klaster dengan kategori tinggi dengan anggota sebanyak 182 kabupaten/kota, dan klaster 4 merupakan klaster dengan kategori rendah dengan anggota sebanyak 1 kabupaten/kota. Dari 13 kali iterasi diperoleh nilai akurasi yaitu untuk melihat kestabilan hasil klasterisasi yang terbentuk sebesar 99,4%. Dimana 511 kabupaten/kota berada pada klaster yang sama di setiap proses iterasinya, sedangkan 3 kabupaten/kota berada pada klaster yang berbeda di setiap proses iterasinya.