1.

Farhan Bhuwana Putra (4121210072)

2. Intan Fitri Kinanda (4121210079)
3. Lolita Nurmalikha Rahma Putri (4121210053)
4. Muhammad Hasan Assungai Korangi Hasibuan (4121210113)
5. Putu Tegar Pradiawan (4121210141)

Latar Belakang
Indeks Harga Konsumen (IHK) merupakan ukuran biaya keseluruhan barang dan jasa yang
dibeli oleh masyarakat seperti bahan makanan pokok, sandang, perumahan, transpor,
kesehatan dan sebagainya. Indeks harga konsumen digunakan pemerintah untuk
mengamati perubahan dari waktu ke waktu untuk menggambarkan tingkat inflasi. Inflasi
yang biasanya dinyatakan dalam angka presentase (%) merupakan permasalahan yang
selalu dan pasti dialami oleh setiap negara. Salah satu indikator penting yang dapat
digunakan untuk mengukur tingkat inflasi suatu negara adalah IHK ini. Selain terjadi di
sebuah negara, Inflasi juga terjadi pada lingkup yang lebih kecil yakni Kota. Sehingga
untuk dapat menekan dan menstabilkan Inflasi, perlu mengetahui pengelompokkan kota –
kota tersebut sesuai IHK kelompok pengeluarannya. Sehingga pemerintah dapat
membuat sebuah kebijakan untuk menekan dan menstabilkan IHK sesuai kelompok –
kelompoknya. Metode yang akan digunakan untuk mengelompokkan IHK ini adalah
clustering.

Tujuan
1. Mengukur tingkat inflasi pada 90 kota di Indonesia tahun 2018-2022
2. Meningkatkan dan mengembangkan kebijakan di bidang ekonomi yang akan datang
3. Meningkatkan pertumbuhan ekonomi
4. Meningkatkan kesejahteraan masyarakat

Dataset
Data yang akan digunakan pada penelitian ini didasarkan pada dokumen-dokumen yang
dipublikasikan oleh Badan Pusat Statistik berupa data sekunder yang dapat diakses
secara terbuka melalui situs https://www.bps.go.id. Pengumpulan data akan dilakukan
pada “Data Indeks Harga Konsumen” di 90 Kota di Indonesia dalam termin waktu tahun
2018 sampai dengan tahun 2022. Data yang akan diolah dapat diakses pada tautan
staner.id/DATAIHKKLP2ADSP berupa data dalam format .xlsx.

Rencana Pemodelan
Model yang akan digunakan untuk dataset ini adalah model unsupervised learning yang
termasuk ke dalam tipe clustering K-Means. K-Means adalah metode data clustering non
hirarki yang mempartisi data ke dalam bentuk satu atau lebih cluster/kelompok. Metode
ini memisahkan data ke dalam cluster/kelompok sehingga data yang memiliki
karakteristik sama dikelompokkan ke dalam satu cluster yang sama. K-Means merupakan
algoritma unsupervised learning yang dapat menerima data tanpa ada label kategori.
Algoritma ini hanya bekerja pada atribut numerik. Clustering K-Means pada proyek ini
nantinya akan menghasilkan 3 tingkatan cluster yaitu cluster IHK tinggi (C1), cluster IHK
sedang (C2), dan cluster IHK rendah (C3)