SEGMENTASI WILAYAH INDONESIA BERDASARKAN IHK MENGGUNAKAN AHC DAN SPECTRAL CLUSTERING
DOI:
https://doi.org/10.51903/informatika.v5i1.1010Keywords:
Consumption pattern, Consumer Price Index, AHC, Spectral Clustering, PCAAbstract
Social and economic disparities between regions in Indonesia are still a serious problem, reflected in the high Gini Ratio and disparities in purchasing power. The Consumer Price Index (CPI) is an important indicator in measuring consumption patterns and price pressures between regions. This study aims to cluster 150 districts/cities based on consumption patterns through the CPI using the Agglomerative Hierarchical Clustering (AHC) and Spectral Clustering methods combined with Principal Component Analysis (PCA). The innovation lies in the comparison of the two clustering methods as well as the application of PCA to clarify the data structure. Evaluation with Silhouette Score and Davies-Bouldin Index showed that AHC gave the best results with four representative clusters (Silhouette: 0.76; DBI: 0.32), compared to Spectral Clustering with three clusters (Silhouette: 0.75; DBI: 0.54). Each cluster has different expenditure characteristics, useful for data-driven policy making. These results show that AHC is more effective in capturing interregional variations in consumption.
References
[1] E. D. Ristika, W. P. Primandhana, and M. Wahed, “Analisis Pengaruh Jumlah Penduduk, Tingkat Pengangguran Terbuka Dan Indeks Pembangunan Manusia Terhadap Tingkat Kemiskinan Di Provinsi Jawa Timur,” Eksis: Jurnal Ilmiah Ekonomi dan Bisnis, vol. 12, no. 2, p. 129, Nov. 2021, doi: 10.33087/eksis.v12i2.254.
[2] Ayunda Febri Kinanti, Muhammad Syahrul Maulana, and Muhammad Yasin, “Analisis Pola Konsumsi di Indonesia sebagai Indikator Peningkatan Kesejahteraan Masyarakat,” Digital Bisnis: Jurnal Publikasi Ilmu Manajemen dan E-Commerce, vol. 3, no. 2, pp. 19–32, Apr. 2024, doi: 10.30640/digital.v3i2.2430.
[3] M. Vebryanti and W. M. Permanasari, “Analisis Kesamaan Rata-rata Indeks Harga Konsumen (IHK) Menurut Kelompok dan Sub Kelompok pada Kelompok dan Sub Kelompok 1 Makanan, Minuman, dan Tembakau dengan Kelompok dan Sub Kelompok 9 Pendidikan,” Seminar Nasional Sains Data, 2023.
[4] A. Risnandar and A. I. Achmad, “Pemodelan Generalized Space Time Autoregressive untuk Meramalkan Indeks Harga Konsumen,” Jurnal Riset Statistika, pp. 43–50, Jul. 2023, doi: 10.29313/jrs.v3i1.1792.
[5] D. B. Rondonuwu and S. T. E. Tendur, “PENGARUH PENDAPATAN DAN GAYA HIDUP TERHADAP POLA KONSUMSI MASYARAKAT KECAMATAN AMURANG BARAT,” 2022. [Online]. Available: https://ejurnal.unima.ac.id/index.php/equilibrium
[6] S. Tuhpatussania, S. Erniwati, and Z. Mutaqin, “PERBANDINGAN METODE AGGLOMERATIVE HIERARCHICAL CLUSTERING DAN METODE KMEDOIDS DALAM PENGELOMPOKAN DATA TITIK PANAS KEBAKARAN HUTAN DI INDONESIA,” Journal Computer and Technology, vol. 2, no. 1, 2024, doi: 10.69916/comtechno.v2i1.146.
[7] A. R. L. Batu, R. S. Lubis, and S. Harleni, “Klasifikasi Kabupaten/ Kota Sejahtera dan Tidak Sejahtera dengan Metode Spectral Clustering pada Provinsi Sumatera Utara,” Proximal: Jurnal Penelitian Matematika dan Pendidikan Matematika, vol. 8, no. 1, pp. 77–79, Nov. 2024, doi: 10.30605/proximal.v8i1.4887.
[8] G. R. Suraya and A. W. Wijayanto, “Comparison of Hierarchical Clustering, K-Means, K-Medoids, and Fuzzy C-Means Methods in Grouping Provinces in Indonesia according to the Special Index for Handling Stunting,” Indonesian Journal of Statistics and Its Applications, vol. 6, no. 2, pp. 180–201, Aug. 2022, doi: 10.29244/ijsa.v6i2p180-201.
[9] A. Azzahra and A. W. Wijayanto, “Perbandingan Agglomerative Hierarchical dan K-Means dalam Pengelompokkan Provinsi Berdasarkan Pelayanan Kesehatan Maternal,” 2022.
[10] A. Arisandi and H. Hafid, “Akurasi Model Prediksi Menggunakan Metode Automatic Clustering Fuzzy Time Series pada Indeks Harga Konsumen di Kota Makassar,” Apr. 2024.
[11] K. S. Panjaitan and B. Mardhotillah, “Prediksi Indeks Harga Konsumen Provinsi Jambi Menggunakan Autoregressive Integrated Moving Average,” vol. 3, no. 1, p. 2024, Jun. 2024, doi: 10.22437/multiproximity.v3i1.40361.
[12] R. Wijayati and D. R. S. Saputro, “Clustering Data Numerik dan Kategorik Menggunakan Algoritme K-Prototype. PRISMA, Prosiding Seminar Nasional Matematika 6,” pp. 702–706, 2023, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/
[13] M. R. Kusnaidi, T. Gulo, and S. Aripin, “Penerapan Normalisasi Data Dalam Mengelompokkan Data Mahasiswa Dengan Menggunakan Metode K-Means Untuk Menentukan Prioritas Bantuan Uang Kuliah Tunggal,” Journal of Computer System and Informatics (JoSYC), vol. 3, no. 4, pp. 330–338, Sep. 2022, doi: 10.47065/josyc.v3i4.2112.
[14] I. P. Putra and A. Fadhillah, “Perbandingan Metode K-Means dan Hierarchical Clustering dalam Pengelompokan Data Penduduk Miskin di Kabupaten Cianjur,” LANCAH: Jurnal Inovasi dan Tren, vol. 3, no. 1, pp. 227–234, Apr. 2025, doi: 10.35870/ljit.v3i1.4028.
[15] R. Kusumastuti, E. Bayunanda, A. Muhammad Rifa, M. Ryandy Ghonim Asgar, and F. Inti Ilmawati, “Clustering Titik Panas Menggunakan Algoritma Agglomerative Hierarchical Clustering (AHC) Hot Spot Clustering Using Agglomerative Hierarchical Clustering (AHC) Algorithm,” Cogito Smart Journal |, vol. 8, no. 2.
[16] Egi Pratama, “ANALISIS METODE CLUSTERING DENGAN ALGORITMA SPECTRAL CLUSTERING DALAM PENGELOMPOKAN TINGKAT TINDAK KRIMINALITAS,” 2023. doi: https://repositori.uma.ac.id/jspui/handle/123456789/24214.
[17] K. R. T. P. Sari, W. D. N. Prasetya, and E. M. Indrawati, “APLIKASI PRINCIPAL COMPONENT ANALYSIS UNTUK MENGETAHUI DAYA BELI KENDARAAN BERMOTOR MASYARAKAT INDONESIA,” Jul. 2021.
[18] M. Fachrurrozi, F. Muhammad, D. Nur, R. Sitepu, and R. H. Pratama, “Pengelompokan Kebutuhan Anggaran Negara Berdasarkan Indikator Ekonomi dan Kesehatan Menggunakan Fuzzy C-Means dan PCA,” Jurnal Rekursif, vol. 12, 2024, [Online]. Available: www.ejournal.unib.ac.id/index.php/rekursif88
[19] H. E. Dien, M. H. Ratsanjani, A. A. Saputra, Noprianto, A. R. T. H. Ririd, and B. S. D. Nugraha, “Analisis Klasterisasi Patok Jalan Berbasis Geospasial Menggunakan K-Means dan Evaluasi Davies-Bouldin,” Jurnal Pekommas, vol. 9, no. 2, pp. 215–223, Dec. 2024, doi: 10.56873/jpkm.v9i2.5471.
.png)
