Perbandingan Metode Fuzzy C-Means Dan Fuzzy Probabilistic C-Means Dalam Pengelompokan Provinsi Di Indonesia Berdasarkan Indeks Pembangunan Manusia Tahun 2022

Abstract

Salah satu permasalahan yang ada Indonesia adalah peningkatan kesejahteraan masyarakat yang belum merata, terlihat dari perbedaan tingkat IPM antar provinsi. Strategi yang tepat melalui analisis klasterisasi diperlukan untuk mengatasi ketidakmerataan tersebut. Makalah ini membahas analisis perbandingan metode Fuzzy C-Means (FCM) dan Fuzzy Possibilistic C-Means (FPCM) dalam pengelompokan provinsi di Indonesia berdasarkan indikator Indeks Pembangunan Manusia (IPM) tahun 2022.  Makalah ini bertujuan untuk menentukan metode klasterisasi yang paling efektif antara FCM dan FPCM dalam kasus tersebut. Berdasarkan hasil analisis, diperoleh metode terbaik dalam kasus ini adalah metode FCM dengan nilai pembobotan sebesar 2 dan jumlah klaster sebanyak 7. Nilai evaluasi yang diperoleh yaitu Partition Entropy (PE) sebesar 0,3505417, Partition Coefficient (PC) sebesar 0,8170827, dan Modified Partition Coefficient (MPC) sebesar 0,7561103. Hasil klasterisasi yang diperoleh menggunakan metode FCM adalah 1 provinsi memiliki IPM dengan kategori sangat tinggi, 4 provinsi memiliki IPM dengan kategori tinggi, 4 provinsi memiliki IPM dengan kategori cukup tinggi, 8 provinsi memiliki IPM dengan kategori sedang, 6 provinsi memiliki IPM dengan kategori cukup rendah, 7 provinsi memiliki IPM dengan kategori rendah, dan 4 provinsi memiliki IPM dengan kategori sangat rendah. Hasil pengelompokan tersebut dapat digunakan untuk merencanakan strategi pemerataan pembangunan yang lebih efektif berdasarkan karakteristik masing-masing klaster.