Electronic Theses and Dissertation

Kesejahteraan yang tidak merata dan tingginya laju deforestasi merupakan dua permasalahan kompleks yang saling terkait di Pulau Sumatra. Penelitian ini bertujuan untuk membandingkan kinerja tiga metode clustering, yaitu K-Means, Fuzzy C-Means (FCM), dan Gaussian Mixture Model (GMM) dalam mengelompokkan 154 kabupaten/kota di Pulau Sumatra berdasarkan indikator kesejahteraan dan menganalisis keterkaitan hasil pengelompokan tersebut dengan luas deforestasi. Penelitian ini menggunakan data indikator kesejahteraan dari Badan Pusat Statistik (BPS) dan data deforestasi dari Global Forest Watch (GFW) tahun 2024. Untuk itu, digunakan delapan variabel indikator kesejahteraan dan variabel luas deforestasi. Adapun metrik evaluasi yang digunakan yaitu, Davies-Bouldin Index (DBI), index connectivity, C indeks, Dunn Index, Calinski-Harabasz Indeks dan Sum of Square Between Cluster. Hasil penelitian ini menunjukkan bahwa metode FCM dengan dua cluster optimal (K=2) merupakan metode terbaik, yang ditunjukkan dari nilai connectivity terendah (41,142), Indeks-C terendah (0,179), nilai Dunn Index tertinggi (0,113) dan nilai SSBC tertinggi (463,689). Hasil yang diperoleh dari pengelompokan FCM memperoleh dua cluster, yaitu cluster 0 dengan 53 kabupaten/kota yang merepresentasikan wilayah dengan kesejahteraan tinggi dan cluster 1 sebanyak 101 kabupaten/kota yang merepresentasikan wilayah dengan kesejahteraan rendah. Analisis korelasi Spearman dan Kendall’s Tau menunjukkan hubungan negatif yang signifikan secara konsisten antara tingkat kesejahteraan dan luas deforestasi. Hal ini mengindikasikan bahwa wilayah dengan kesejahteraan tinggi cenderung memiliki luas deforestasi yang rendah dan sebaliknya, wilayah dengan kesejahteraan yang rendah cenderung memiliki luas deforestasi yang tinggi. Temuan ini dapat menjadi dasar pemerintah dalam merumuskan kebijakan pembangunan berkelanjutan yang memperhatikan kesejahteraan dan lingkungan.

Unequal well-being and high rates of deforestation are two complex and interrelated issues on the island of Sumatra, Indonesia. This study aims to compare the performance of three clustering methods K-Means, Fuzzy C Means (FCM), and Gaussian Mixture Model (GMM) in classifying 154 districts/cities in Sumatra based on welfare indicators and to analyze the relationship between clustering results and the extent of deforestation. This study used data on welfare indicators obtained from Statistics Indonesia (BPS) and deforestation data from Global Forest Watch (GFW) for the year 2024. The variables used consist of eight welfare indicators and one deforestation variable. Model performance was evaluated using the Davies Bouldin Index (DBI), index connectivity, C-indeks, Dunn Index, Calinski-Harabasz Indeks dan Sum of Square Between Cluster. The results of this study indicate that the FCM method with two optimal clusters (K=2) is the best method, as indicated by its lowest connectivity value (41.142), its lowest C-Index (0.179), highest Dunn Index value (0.113), and its highest SSBC value (463.689). The FCM clustering results produced two clusters: cluster 0, comprising 53 districts/cities with high welfare levels, and cluster 1, comprising 101 districts/cities with low welfare levels. Spearman and Kendall’s Tau correlation analyses show a significant negative relationship between welfare levels and deforestation areas. These findings provide valuable insights for policymakers in formulating sustainable development strategies that balance welfare improvement with environmental preservation.