Analisis Komparatif K-Means Dan Hierarchical Agglomerative Clustering Metode Ward Untuk Segmentasi Wilayah Berdasarkan Karakteristik PUS Dan Unmet Need KB Di Indonesia

Abstrak

Ketidakmerataan karakteristik Pasangan Usia Subur (PUS) dan unmet need Keluarga Berencana (KB) antardaerah menunjukkan perlunya segmentasi wilayah yang dapat mendukung perencanaan program KB secara lebih tepat sasaran. Penelitian ini bertujuan membandingkan metode K-Means Clustering dan Hierarchical Agglomerative Clustering (HAC) dengan metode Ward dalam mengelompokkan provinsi di Indonesia berdasarkan karakteristik PUS serta unmet need for spacing dan unmet need for limiting. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan data sekunder tahun 2024 dari Sistem Informasi Keluarga (SIGA) BKKBN. Analisis dilakukan terhadap tujuh variabel menggunakan transformasi Box-Cox, standardisasi z-score, K-Means, dan HAC Ward, kemudian dievaluasi menggunakan Silhouette Coefficient (SC), Davies-Bouldin Index (DBI), dan Calinski-Harabasz (CH). Hasil penelitian menunjukkan bahwa K-Means membentuk dua klaster dengan SC 0,490, DBI 0,690, dan CH 54,756, sedangkan HAC Ward menghasilkan tiga klaster dengan SC 0,460, DBI 0,598, dan CH 51,448. K-Means unggul pada SC dan CH sehingga memiliki performa keseluruhan yang relatif lebih baik, sementara HAC Ward unggul pada DBI dan menghasilkan segmentasi yang lebih terperinci. Temuan menunjukkan adanya heterogenitas karakteristik PUS dan unmet need KB antardaerah.