Segmentasi Wilayah di Indonesia Berdasarkan Indikator Mutu Pendidikan pada Jenjang Sekolah Dasar Menggunakan Algoritma K-Means Berbasis PCA

Pendidikan Sekolah Dasar merupakan fondasi krusial dalam pembangunan sumber daya manusia, namun distribusinya di Indonesia masih menghadapi ketimpangan infrastruktur dan kualitas tenaga pendidik. Penelitian ini bertujuan melakukan segmentasi wilayah di Indonesia berdasarkan indikator mutu pendidikan pada jenjang Sekolah Dasar menggunakan algoritma K-Means berbasis Principal Component Analysis (PCA). Data sekunder dari Kementerian Pendidikan Dasar dan Menengah dianalisis melalui tahap preprocessing, reduksi dimensi menggunakan PCA, dan pengelompokan menggunakan K-Means. Kualitas hasil pengelompokan dievaluasi menggunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa K-Means berbasis PCA menghasilkan nilai DBI lebih rendah dibandingkan K-Means tanpa PCA pada seluruh jumlah klaster yang diuji. Pada k=2, nilai DBI menurun dari 0,7470 menjadi 0,5352, sedangkan dua komponen utama mampu mempertahankan 80,3% informasi data awal. Berdasarkan Silhouette Score, dua klaster ditetapkan sebagai jumlah klaster optimal. Klaster 0 terdiri atas 33 provinsi dengan kondisi pendidikan relatif lebih baik, sedangkan Klaster 1 terdiri atas lima provinsi di wilayah Papua dengan tantangan lebih besar pada Angka Putus Sekolah dan sarana prasarana. Hasil tersebut menunjukkan bahwa penerapan PCA menghasilkan pengelompokan wilayah yang lebih baik berdasarkan karakteristik mutu pendidikan.