PEMETAAN KLASTER PEMBANGUNAN KABUPATEN/KOTA DI PROVINSI BALI BERBASIS DEEP CLUSTERING MENGGUNAKAN VARIATIONAL AUTOENCODER DAN IMPROVED K-MEANS

Abstract

Ketimpangan pembangunan antar kabupaten/kota menimbulkan perbedaan capaian sosial ekonomi sehingga diperlukan pemetaan pembangunan wilayah secara objektif. Penelitian ini bertujuan mengelompokkan pembangunan kabupaten/kota di Provinsi Bali periode 2020-2024 berdasarkan indikator Indeks Pembangunan Manusia (IPM), Produk Domestik Regional Bruto (PDRB), Gini Ratio (GR), Tingkat Pengangguran Terbuka (TPT), dan persentase penduduk miskin (P0). Metode yang digunakan merupakan metode deep clustering dengan Variational Autoencoder (VAE) untuk membentuk representasi fitur laten, yang selanjutnya dikeompokkan menggunakan Improved K-Means Clustering. Penentuan jumlah klaster dilakukan dengan menguji yang dievaluasi menggunakan Silhouette Score, Davies-Bouldin Index (DBI), dan Calinski–Harabasz Index (CHI). Hasil penelitian menunjukkan bahwa K = 3 merupakan jumlah klaster yang paling optimal, dengan kualitas klaster terbaik terjadi pada tahun 2020 dan 2023, ditunjukkan dengan nilai Silhouette masing-masing sebesar 0,467 dan 0,390. Profil indikator indikator menunjukkan bahwa klaster dengan tingkat pembangunan lebih tinggi memiliki nilai  IPM dan PDRB per kapita yang lebih tinggi serta tingkat kemiskinan lebih rendah, yang dominasi oleh Kabupaten Badung dan Kota Denpasar. Hasil ini diharapkan dapat mendukung analisis dan perumusan kebijakan pembangunan daerah di Provinsi Bali.