ABSTRAK Perkembangan peradaban manusia merupakan bagian dari hasil akulturasi maupun asimilasi kebudayaan. Indonesia adalah rumah bagi 1.340 suku bangsa dan memiliki 2.500 jenis bahasa. Ini juga memiliki ribuan benda dan tak benda warisan budaya. Oleh karena itu, kekayaan negara yang tidak ternilai ini harus dimanfaatkan sepenuhnya untuk menjadi kekuatan yang mendorong kemajuan Indonesia. Arah pembangunan seharusnya tidak hanya bertumpu pada peningkatan perekonomian semata, melainkan juga harus melibatkan unsur kebudayaan sebagai hal yang harus diperhatikan. penelitian ini bertujuan melakukan pemetaan ICH agar dapat diketahui potensi pembangunan berdasarkan budaya di setiap provinsi. Selain itu, peneliti juga melakukan pengujian terkait ada/tidaknya autokorelasi/hubungan spasial antarprovinsi. Penghitungan autokorelasi spasial dilakukan dengan menggunakan indeks Moran dengan dua pendekatan bobot spasial. Hasil penelitian menunjukkan bahwa ICH secara signifikan memiliki autokorelasi spasial ABSTRACT The development of human civilization is part of the result of acculturation and cultural assimilation. Indonesia is home to 1,340 ethnic groups with 2,500 types of languages ​​and a wealth of cultural heritage, both tangible and intangible, which amounts to thousands. Therefore, the invaluable wealth of the country should be maximized into a force to encourage development in Indonesia. The direction of development should not only rely on increasing the economy, but should also involve elements of culture as a matter that must be considered. This study aims to map ICH in order to know the potential for development based on culture in each province. In addition, researchers also conducted tests related to the presence/absence of autocorrelation/spatial relations between provinces. Spatial autocorrelation was calculated using the Moran index with two spatial weight approaches. The results showed that ICH had a significant spatial autocorrelation.

ABSTRAK Mengidentifikasi objek atau individu yang seragam merupakan salah satu metode analisis yaitu analisis cluster. Analisis cluster berkerja dengan cara mengidentifikasi individu yang seragam berdasarkan peubah tertentu dengan mempertimbangkan karakteristik yang dimiliki dari setiap objek dan memaksimalkan persamaan antar objek tersebut ke satu cluster dan meminimalkan persamaan antar cluster. Pendekatan analisis cluster terbagi menjadi dua yaitu, pendekatan hirarki dan pendekatan partisi. Pada riset ini, menggunakan skema yang dilakukan dengan pendekatan partisi dengan metode K-Medoids. K-Medoids ialah pengembangan dari metode k-means, dimana proses ini dapat mengatasi ketidakmampuan k-means dalam mengatasi outliers. Informasi pada penelitian ini menggunakan data Potensi Desa (Podes) di Provinsi Jawa Barat dengan 27 kab/kota pada tahun 2020-2021 dengan variabel yang digunakan adalah intensitas/banyaknya kejadian bencana yang terjadi selama tahun 2020-2021 di kab/kota di Provinsi Jawa Barat. Dari hasil analisis menggunakan grafik elbow bahwa pengelompokkan menggunakan K-Medoids cluster yang terbaik adalah 2 cluster, sehingga 27 kab/kota diklasifikasikan ke dalam 2 cluster. Berdasarkan analisis K-Medoids kab/kota yang masuk ke dalam cluster 1 terdiri dari 21 kab/kota yang terdiri dari Kota Bandung, Bekasi, Kota Ciamis, Cirebon, Indramayu, Kuningan, Bandung, Kota Banjar, Kota Bekasi, Kota Bogor, Cimahi, Kota Cirebon, Kota Depok, Kota Sukabumi, Kota Tasikmalaya, Karawang, Majalengka, Pangandaran, Purwakarta, Subang, Sumedang. Kab/kota yang tergolong ke dalam cluster 1 ialah kab/kota yang tidak rentan terhadap bencana alam sedangkan kab/kota yang masuk ke dalam cluster 2 atau kab/kota yang rentan terhadap bencana alam terdiri dari Bandung Barat, Bogor,Cianjur, Garut, Sukabumi dan Tasikmalaya. ABSTRACT Identifying uniform objects or individuals is a method of one analysis, namely cluster analysis. Cluster analysis works by identifying uniform individuals based on certain variables by considering the characteristics of each object and maximizing the similarities between these objects to one cluster and minimizing similarities between clusters. The cluster analysis approach is divisible into two, specifically the hierarchical approach and the partition approach. In this study, the oncoming used is a partition approach using the K-Medoids method. K-Medoids is a development of the k-means method, where this method can get over the inability of k-means to deal with outliers. The information in this research uses Village Potential (Podes) data in West Java Province with 27 districts/cities in 2020-2021 with the variables used being the intensity/number of natural disasters that occurred during 2020-2021 in districts/cities in West Java Province. From results of the analysis based on the elbow graph, the best grouping using K-Medoids clusters is 2 clusters, so that 27 districts/cities are classified into 2 clusters. Based on K-Medoids analysis, the districts/cities included in cluster 1 consist of 21 districts/cities consisting of Bandung, Bekasi, Ciamis, Cirebon, Indramayu, Karawang, Bandung City, Banjar City, Bekasi City, Bogor City, Cimahi City, Cirebon City, Depok City, Sukabumi City, Tasikmalaya City, Kuningan, Majalengka, Pangandaran, Purwakarta, Subang, Sumedang. Districts/cities that are included in cluster 1 are districts/cities that are not vulnerable to natural disasters, while districts/cities that are part in cluster 2 or districts/cities that are vulnerable to natural disasters consist of West Bandung, Bogor, Cianjur, Garut, Sukabumi and Tasikmalaya.