Abstrak 
Profil Kabupaten dan Kota di Jawa Barat Berdasarkan Indikator Indeks Pembangunan Manusia Menggunakan K-Means Clustering
Titi Purwandari, Yuyun Hidayat
Universitas Padjadjaran, Prosiding Seminar Nasional MIPA 2016 “Peran Penelitian Ilmu Dasar dalam Menunjang Pembangunan Berkelanjutan” Jatinangor, 27-28 Oktober 2016 ISBN 978-602-72216-1-1
Bahasa Indonesia, Bahasa Inggris
Universitas Padjadjaran, Prosiding Seminar Nasional MIPA 2016 “Peran Penelitian Ilmu Dasar dalam Menunjang Pembangunan Berkelanjutan” Jatinangor, 27-28 Oktober 2016 ISBN 978-602-72216-1-1
Indeks Pembangunan Manusia, K-Means Clustering Method, pengelompokan
Indeks Pembangunan Manusia (Human Development Index) merupakan indeks yang mengukur tentang tingkat pembangunan manusia. Indeks ini merupakan indikator penting untuk mengukur keberhasilan pembangunan kualitas hidup manusia. Capaian Indeks Pembangunan Manusia antar wilayah dikelompokan menjadi 4 jenis yaitu rendah, sedang, tinggi, sangat tinggi. Indeks Pembangunan Manusia diukur oleh tiga indikator yaitu kesehatan, pendidikan, dan pendapatan. Jawa Barat merupakan provinsi potensial sebagai pusat pengembangan ilmu, teknologi dan pendidikan. Tujuan penelitian ini adalah memperoleh profil kabupaten dan kota di Jawa Barat melalui pengelompokan kabupaten dan kota di Jawa Barat berdasarkan indikator indeks pembangunan manusia dalam rangka memberi rekomendasi kepada pemerintah Jawa Barat mengenai kebijakan kebijakan yang perlu dilakukan. Kegunaan penelitian ini adalah memberi referensi ilmiah bagi pemerintah Jawa Barat dalam membuat kebijakan kebijakan. Data yang digunakan merupakan data sekunder yang dikumpulkan Badan Pusat Statistik. Hasil analisis menggunakan K-Means Clustering Method terbentuk 4 klaster, klaster 1 terdiri dari 7 kabupaten dan kota di Jawa Barat, klaster 2 terdiri dari 13 kabupaten dan kota di Jawa Barat, klaster 3 terdiri dari 3 kota di Jawa Barat, klaster 4 terdiri dari 4 kabupaten dan kota di Jawa Barat berdasarkan tingkat kemiripan indikator indeks pembangunan manusia dan diperoleh profil untuk setiap klaster.