Abstract :
Indeks Pembangunan Manusia (IPM) merupakan indikator penting
dalam mengukur keberhasilan dalam membangun kualitas hidup manusia dan
menentukan peringkat atau tingkat pembangunan suatu wilayah negara yang
terdiri atas Angka Harapan Hidup (AHH), Harapan Lama Sekolah (HLS), Rata?rata Lama Sekolah (RLS) dan pengeluaran per kapita (PPP). IPM di Provinsi
Sumatera Barat berada pada kategori tinggi, akan tetapi Angka Harapan Hidup
(AHH) di Provinsi Sumatera Barat masih termasuk pada kategori rendah bila
dibandingkan dengan provinsi lain di Pulau Sumatera dan pengeluaran per
kapita (PPP) di Provinsi Sumatera Barat sebesar 10,79 juta rupiah yang berarti
bahwa pengeluaran per kapita (PPP) di Provinsi Sumatera Barat masih berada di
bawah pengeluaran per kapita (PPP) nasional. Hal ini menunjukkan bahwa IPM
di Provinsi Sumatera Barat tidak merata walaupun mengalami kenaikan dari
tahun 2017-2021. Indeks Pembangunan Manusia (IPM) memiliki korelasi yang
tinggi dengan kesejahteraan masyarakat. Hal ini menunjukkan bahwa
kesejahteraan di Provinsi Sumatera Barat masih belum bisa dikatakan baik.
Salah satu syarat keberhasilan program-program pembangunan sangat
tergantung pada ketepatan pengidentifikasian target group dan target area.
Target group dan target area mengidentifikasikan wilayah mana yang akan
menjadi target pelaksanaan pembangunan. Maka sangat penting melakukan
pengelompokan berdasarkan karakteristik wilayah dalam membuat prioritas
kebijakan agar efektif dan tepat sasaran.
Analisis yang digunakan pada proses pengidentifikasian terhadap indeks
pembangunan manusia di setiap kabupaten/kota di Provinsi Sumatera Barat
adalah analisis cluster, untuk mengelompokkan kabupaten/kota di Provinsi
Sumatera Barat berdasarkan IPM. Pengelompokan dengan analisis cluster
dilakukan dengan menggunakan analisis clustering ensemble. Clustering
ensemble memerlukan algoritma generative mechanism untuk menentukan
anggota-anggota cluster dan fungsi konsensus untuk menggabungkan
partisinya. Generative mechanism yang digunakan untuk pengulangan
perhitungan algoritma yang sama pada metode k-means dengan