Electronic Theses and Dissertation

Indeks Pembangunan Literasi Masyarakat (IPLM) merupakan indikator yang digunakan untuk mengukur tingkat pembangunan literasi masyarakat berdasarkan tujuh Unsur Pembangunan Literasi Masyarakat (UPLM). Nilai IPLM tahun 2024 menunjukkan adanya ketimpangan pembangunan literasi antar kabupaten/kota di Indonesia, terutama antara wilayah Indonesia bagian barat dan timur. Penelitian ini bertujuan menentukan metode clustering terbaik antara K-Means dan K-Medoids serta mengelompokkan 514 kabupaten/kota di Indonesia berdasarkan tujuh variabel UPLM. Data yang digunakan merupakan data sekunder dari Laporan Akhir Kajian IPLM Tahun 2024 yang diterbitkan oleh Perpustakaan Nasional Republik Indonesia dan dari website resmi lembaga pemerintah lainnya, Badan Pusat Statistika (BPS). Penentuan jumlah klaster optimal dilakukan menggunakan Silhouette Score, sedangkan evaluasi hasil clustering menggunakan Davies-Bouldin Index (DBI), Dunn Index, dan Connectivity Index. Hasil penelitian menunjukkan bahwa K-Means merupakan metode terbaik dengan jumlah klaster optimal sebanyak enam klaster dan Silhouette Score sebesar 0,2859. Enam klaster yang terbentuk diberi label Sangat Tinggi, Tinggi, Cukup Tinggi, Cukup Rendah, Rendah, dan Sangat Rendah. Nilai Purity Score sebesar 0,6673 atau 66,73% menunjukkan bahwa hasil clustering memiliki tingkat kesesuaian yang cukup baik dengan kategori IPLM awal. Hasil penelitian ini diharapkan dapat menjadi bahan pertimbangan bagi pemerintah dalam merumuskan kebijakan pembangunan literasi masyarakat yang lebih tepat sasaran.

The Community Literacy Development Index (IPLM) is an indicator used to measure the level of community literacy development based on the seven Elements of Community Literacy Development (UPLM). The 2024 IPLM value indicates disparities in literacy development among districts and cities in Indonesia, particularly between the western and eastern regions of the country. This study aims to determine the best clustering method between K-Means and K-Medoids and to group 514 districts/cities in Indonesia based on the seven UPLM variables. The data used is secondary data from the 2024 Final Report on the IPLM Study published by the National Library of Indonesia and also from the official website of another government agency, BPS-Statistics Indonesia. The optimal number of clusters was determined using the Silhouette Score, while the clustering results were evaluated using the Davies-Bouldin Index (DBI), the Dunn Index, and the Connectivity Index. The results of the study indicate that K-Means is the best method, with an optimal number of six clusters and a Silhouette Score of 0,2859. The six formed clusters were labeled Very High, High, Fairly High, Fairly Low, Low, and Very Low. A Purity Score of 0,6673 or 66,73% indicates that the clustering results have a fairly good level of alignment with the initial IPLM categories. It is hoped that the results of this study can serve as a basis for the government in formulating more targeted community literacy development policies.