Pengelompokan Kabupaten/Kota di Provinsi Sumatera Utara Berdasarkan Indikator Indeks Pembangunan Manusia Menggunakan Metode Fuzzy C-Means

Petunjuk ini merupakan format sekaligus template manuskrip/artikel yang digunakan pada artikel yang diterbitkan di Prosiding Seminar Nasional Jurusan Matematika Universitas Negeri Medan. Artikel diawali dengan Judul Artikel, Nama Penulis, Alamat Afiliasi Penulis, diikuti Pembangunan manusia merupakan pilar utama kemajuan suatu bangsa, Indeks Pembangunan Manusia (IPM) menjadi tolak ukur keberhasilan pembangunan di suatu wilayah. Variasi capaian IPM antar kabupaten/kota di Provinsi Sumatera Utara mengindikasikan adanya disparitas pembangunan yang memerlukan analisis mendalam untuk perencanaan kebijakan yang lebih tepat sasaran. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Provinsi Sumatera Utara berdasarkan indikator IPM tahun 2024 menggunakan metode Fuzzy C-Means (FCM) serta mendeskripsikan karakteristik masing-masing kelompok. Metode FCM dipilih karena kemampuannya dalam mengatasi data yang tumpang tindih dan menghasilkan pengelompokan yang lebih teliti dibandingkan metode clustering konvensional. Data sekunder diperoleh dari Badan Pusat Statistik Provinsi Sumatera Utara tahun 2024, meliputi enam indikator IPM: Harapan Lama Sekolah (�1), Rata-rata Lama Sekolah(�2), Umur Harapan Hidup (�3), Pengeluaran per Kapita disesuaikan (�4), Tingkat Pengangguran Terbuka (�5), dan Tingkat Kemiskinan (�6). Sebelum analisis FCM, data distandarisasi menggunakan z-score dan diuji multikolinearitasnya untuk memastikan validitas. Hasil uji multikolinearitas menunjukkan tidak ada korelasi antar variabel yang melebihi 0,8, sehingga asumsi terpenuhi. Penentuan jumlah klaster optimal dilakukan menggunakan indeks Modified Partition Coefficient (MPC), yang menunjukkan bahwa tiga klaster adalah jumlah paling optimal dengan nilai MPC tertinggi sebesar 0,290083. Pengelompokan menghasilkan tiga klaster dimana klaster pertama terdiri atas 4 kabupaten/kota, klaster kedua terdiri atas 17 kabupaten/kota, dan klaster ketiga terdiri atas 12 kabupaten/kota