Perbandingan Algoritma K-Means dan K-Medoids pada Pengelompokan Kabupaten/Kota Acuan Penghitung Inflasi di Indonesia Berdasarkan Kelompok Pengeluaran (Oleh: Regina Wati Nasyikin; Pembimbing: Yeni Rahkmawati dan Fuad Muhajirin Farid, 2025; 46 halaman)

Inflasi merupakan indikator penting dalam menilai kestabilan negara serta berperan krusial dalam arah kebijakan moneter dan fiskal. Inflasi dihitung menggunakan Indeks Harga Konsumen yang terbagi dalam sebelas kelompok pengeluaran. Tingkat inflasi year on year kelompok pengeluaran antar kabupaten/kota di Indonesia cenderung berbeda. Sehingga diperlukan analisis untuk mengelompokkan wilayah dengan pola inflasi yang mirip. Metode clustering digunakan karena dapat mengidentifikasi kelompok wilayah berdasarkan kemiripan data. Penelitian ini bertujuan menentukan algoritma clustering terbaik antara K-Means dan K-Medoids menggunakan jarak Euclidean dan Squared Euclidean. Pengklasteran dilakukan terhadap kabupaten/kota acuan penghitung inflasi year on year berdasarkan kelompok pengeluaran. Analisis dilakukan pada data bulan Maret, Juli dan Desember 2024. Penelitian ini juga menganalisis sebaran cluster secara geografis. Tahap penelitian meliputi pre-processing data, penerapan algoritma clustering, evaluasi menggunakan silhouette coefficient, dan visualisasi peta sebaran cluster. Hasil menunjukkan bahwa algoritma K-Means dengan jarak Squared Euclidean memberikan hasil pengklasteran terbaik. Nilai silhouette coefficient untuk data bulan Maret sebesar 0.375 (cluster lemah), Juli sebesar 0.258 (cluster lemah), dan Desember sebesar 0.239 (cluster tidak terstruktur dengan baik). Cluster yang terbentuk menggambarkan sebaran inflasi antar wilayah di Indonesia. Hasil ini dapat menjadi dasar pengambilan kebijakan pengendalian inflasi, khusunya pada cluster 2 yang memiliki inflasi year on year relatif tinggi.

Kata Kunci: K-Means, K-Medoids, Euclidean, Squared Euclidean, Inflasi