Klasterisasi Indeks Harga Konsumen (IHK) Kabupaten/Kota di Indonesia Menggunakan Algoritma K-Means

Indeks Harga Konsumen (IHK) merupakan salah satu indikator yang dapat digunakan untuk menggambarkan perkembangan tingkat harga pada suatu wilayah. Perbedaan tingkat IHK antarwilayah menunjukkan perlunya pendekatan yang dapat mengelompokkan wilayah berdasarkan kemiripan nilai IHK. Penelitian ini bertujuan untuk melakukan klasterisasi 150 kabupaten/kota di Indonesia berdasarkan IHK bulanan menggunakan algoritma K-Means selama periode Januari 2024 hingga Desember 2025 serta menganalisis hasil pengelompokan yang terbentuk. Data yang digunakan berupa 24 variabel IHK bulanan untuk setiap kabupaten/kota. Tahapan penelitian meliputi pengumpulan data, prapemrosesan, standardisasi menggunakan StandardScaler, penentuan jumlah klaster, implementasi K-Means, analisis karakteristik klaster, serta visualisasi hasil. Penentuan jumlah klaster dilakukan menggunakan Elbow Method, Silhouette Coefficient, dan Davies-Bouldin Index dengan mempertimbangkan hasil evaluasi secara komparatif. Hasil penelitian menetapkan tiga klaster (k = 3) yang mengelompokkan 150 kabupaten/kota ke dalam Klaster 0 sebanyak 45 wilayah (30%), Klaster 1 sebanyak 78 wilayah (52%), dan Klaster 2 sebanyak 27 wilayah (18%). Hasil analisis menunjukkan bahwa perbedaan utama antar-klaster terletak pada tingkat (level) IHK, sedangkan pola pergerakan IHK selama periode pengamatan relatif serupa. Klaster 0 memiliki tingkat IHK relatif rendah, Klaster 1 berada pada tingkat menengah, dan Klaster 2 memiliki tingkat IHK relatif tinggi. Hasil klasterisasi selanjutnya divisualisasikan menggunakan Python melalui diagram batang, grafik garis, diagram donat, Principal Component Analysis (PCA), dan peta interaktif untuk membantu interpretasi hasil pengelompokan serta persebaran wilayah. Penelitian ini menunjukkan bahwa K-Means dapat digunakan untuk mengelompokkan kabupaten/kota berdasarkan tingkat IHK serta memberikan gambaran mengenai perbedaan tingkat IHK antar-klaster.