Pemodelan indeks pembangunan manusia berdasarkan pengelompokan tingkat kesejahteraan wilayah di Pulau Jawa menggunakan metode hybrid K-Means++ dan MARS

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Subaekti, Hendrik (2026) Pemodelan indeks pembangunan manusia berdasarkan pengelompokan tingkat kesejahteraan wilayah di Pulau Jawa menggunakan metode hybrid K-Means++ dan MARS. Undergraduate thesis, UIN Sunan Ampel Surabaya.

	Text Hendrik Subaekti_09020222031.pdf Download (5MB)
	Text Hendrik Subaekti_09020222031_Full.pdf Restricted to Repository staff only until 30 June 2029. Download (5MB)

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator penting untuk menilai kesejahteraan wilayah, namun disparitas antardaerah di Pulau Jawa masih menjadi tantangan dalam perumusan kebijakan yang tepat sasaran. Penelitian ini bertujuan mengelompokkan kabupaten/kota di Pulau Jawa berdasarkan karakteristik kesejahteraan, memodelkan faktor-faktor yang memengaruhi IPM pada setiap kelompok, serta mengevaluasi akurasi pendekatan hybrid K-Means++ dan Multivariate Adaptive Regression Splines (MARS). Data bersumber dari Badan Pusat Statistik tahun 2024 yang mencakup 119 kabupaten/kota dengan sepuluh variabel prediktor. Metode yang digunakan adalah K-Means++ dengan reduksi Principal Component Analysis (PCA) menjadi tiga komponen utama yang mampu menjelaskan 60% total keragaman data, kemudian dilanjutkan dengan pemodelan MARS pada setiap klaster. Hasil penelitian menunjukkan terbentuk dua klaster, yaitu Klaster 1 (kesejahteraan rendah-menengah) yang terdiri atas 64 wilayah dan didominasi daerah pedesaan serta agraris, serta Klaster 2 (kesejahteraan tinggi) yang terdiri atas 55 wilayah dan didominasi daerah perkotaan serta industri, seperti Jabodetabek, Kota Surabaya, dan Kota Bandung, dengan nilai silhouette score sebesar 0,337 yang termasuk dalam kategori cukup baik. Model MARS pada Klaster 1 menghasilkan nilai R2 sebesar 82,85% dengan variabel dominan Jumlah Sanitasi Layak (X3), Persentase Penduduk Miskin (X7), dan Tingkat Kepadatan Penduduk (X8), sedangkan pada Klaster 2 menghasilkan nilai R2 sebesar 86,34% dengan variabel dominan Jumlah Sanitasi Layak (X3), Persentase Penduduk Miskin (X7), Jumlah Fasilitas Kesehatan (X2), dan Indeks Literasi Minimum (X9). Pendekatan hybrid K-Means++-MARS memberikan akurasi prediksi yang lebih baik dengan nilai root mean square error (RMSE) rata-rata sebesar 1,8282 dibandingkan model MARS tanpa pengelompokan sebesar 2,7530, sehingga lebih direkomendasikan untuk mendukung perumusan kebijakan pembangunan manusia yang lebih tepat sasaran sesuai dengan karakteristik wilayah.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type:	Thesis (Undergraduate)
Creators:	Creators Email NIM Subaekti, Hendrik hendriksubakti82@gmail.com 09020222031
Contributors:	Contribution Name Email NIDN Thesis advisor Khaulasari, Hani hani.khaulasari@uinsby.ac.id 0709029102 Thesis advisor Hakim, Lutfi lutfihakimbungah@gmail.com 2025127301
Subjects:	Matematika Pembangunan Statistik
Keywords:	Indeks pembangunan manusia; K-Means++; kesejahteraan wilayah; klasterisasi; MARS
Divisions:	Fakultas Sains dan Teknologi > Studi Matematika
Depositing User:	Hendrik Subaekti
Date Deposited:	30 Jun 2026 06:27
Last Modified:	30 Jun 2026 06:27
URI:	http://digilib.uinsa.ac.id/id/eprint/92354

Actions (login required)

View Item