ALGORITMA K-MEANS UNTUK MENGELOMPOKKAN KELURAHAN DI PROVINSI BANTEN BERDASARKAN LUAS WILAYAH DAN JUMLAH PENERIMA BANTUAN BERAS BULOG OLEH PT YASA ARTHA TRIMANGUNGGAL

Penulis

  • San Prastiwa Universitas Budi Luhur
  • Arief Wibowo Universitas Budi Luhur

Kata Kunci:

K-Means, Kluster, Clustering, Metode Elbow, BULOG

Abstrak

Pendistribusian bantuan beras BULOG kepada masyarakat khususnya kelurahan di Provinsi Banten berdasarkan luas wilayah dan jumlah penerima yang didistribusikan oleh PT Yasa Artha Trimanggungal menggunakan teknik data mining. Pengelompokan dilakukan dengan menerapkan algoritma K-Means, sebuah metode Clustering yang efektif dalam mengelompokkan data dengan karakteristik serupa. Data yang digunakan mencakup luas wilayah dan jumlah penerima bantuan per kelurahan, yang diolah untuk menemukan pola distribusi yang lebih terperinci dan terfokus. Metode Elbow digunakan untuk menentukan jumlah kluster yang optimal dengan mengevaluasi variasi total dalam setiap jumlah kluster. Hasil analisis menunjukkan bahwa kluster yang optimal adalah 3 kluster menghasilkan nilai SSE 5936976.3094425, yang mana pembagian ini menghasilkan pengelompokan data kelurahan yang lebih efisien dan bermakna bedasarkan analisis statistik dan evaluasi kinerja cluster, menggunakan Metode Elbow. Dengan hasil ini, PT Yasa Artha Trimanggungal dapat menyusun strategi distribusi bantuan yang lebih tepat sasaran, memastikan bahwa bantuan beras Bulog dapat didistribusikan dengan lebih efektif dan efisien di Provinsi Banten. Teknik data mining yang digunakan dalam penelitian ini diharapkan dapat memberikan kontribusi yang signifikan bagi optimalisasi distribusi bantuan sosial di masa depan serta menjadi acuan bagi penelitian-penelitian serupa di wilayah lainnya

Referensi

A. Ikhwan and N. Aslami, “Implementasi Data Mining untuk Manajemen Bantuan Sosial Menggunakan Algoritma K-Means,” Jurnal Teknologi Informasi, vol. 4, no. 2, pp. 208–217, 2020, doi: 10.36294/jurti.v4i2.2103.

M. R. Muttaqin and M. Defriani, “Algoritma K-Means untuk Pengelompokan Topik Skripsi Mahasiswa,” ILKOM Jurnal Ilmiah, vol. 12, no. 2, pp. 121–129, 2020, doi: 10.33096/ilkom.v12i2.542.121-129.

S. N. Br Sembiring, H. Winata, and S. Kusnasari, “Pengelompokan Prestasi Siswa Menggunakan Algoritma K-Means,” Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), vol. 1, no. 1, p. 31, 2022, doi: 10.53513/jursi.v1i1.4784.

G. Gustientiedina, M. H. Adiya, and Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 5, no. 1, pp. 17–24, 2019, doi: 10.25077/teknosi.v5i1.2019.17-24.

Z. Nabila, A. R. Isnain, Permata, and Z. Abidin, “Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means,” Jurnal Teknologi dan Sistem Informasi (JTSI), vol. 2, no. 2, p. 100, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI

I. Kamila, U. Khairunnisa, and M. Mustakim, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau,” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 5, no. 1, p. 119, 2019, doi: 10.24014/rmsi.v5i1.7381.

H. Priyatman, F. Sajid, and D. Haldivany, “Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa,” Jurnal Edukasi dan Penelitian Informatika (JEPIN), vol. 5, no. 1, p. 62, 2019, doi: 10.26418/jp.v5i1.29611.

N. Dwitri, J. A. Tampubolon, S. Prayoga, F. I. R.H Zer, and D. Hartama, “Penerapan Algoritma K-Means Dalam Menentukan Tingkat Penyebaran Pandemi Covid-19 Di Indonesia,” Jurnal Teknologi Informasi, vol. 4, no. 1, pp. 128–132, 2020, doi: 10.36294/jurti.v4i1.1266.

A. Sulistiyawati and E. Supriyanto, “Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan,” Jurnal Tekno Kompak, vol. 15, no. 2, p. 25, 2021, doi: 10.33365/jtk.v15i2.1162.

N. A. Maori, “Metode Elbow Dalam Optimasi Jumlah Cluster Pada K-Means Clustering,” Jurnal SIMETRIS, vol. 14, 2023.

Al Fahrozi, A., Insani, F., Budianita, E. and Afrianty, I.,” Implementasi Algoritma K-Means dalam Menentukan Clustering pada Penilaian Kepuasan Pelanggan di Badan Pelatihan Kesehatan Pekanbaru.” Indonesian Journal of Innovation Multidisipliner Research, 1(4), pp.474-492, 2023.

Unduhan

Diterbitkan

30-09-2024

Cara Mengutip

Prastiwa, S., & Wibowo, A. (2024). ALGORITMA K-MEANS UNTUK MENGELOMPOKKAN KELURAHAN DI PROVINSI BANTEN BERDASARKAN LUAS WILAYAH DAN JUMLAH PENERIMA BANTUAN BERAS BULOG OLEH PT YASA ARTHA TRIMANGUNGGAL. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 3(2), 289–295. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/1282

Terbitan

Vol 3 No 2 (2024): Prosiding SENAFTI Ke-5 September 2024

Bagian

Artificial Intelligence

Lisensi

Hak Cipta (c) 2024 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Artikel paling banyak dibaca berdasarkan penulis yang sama

<< < 1 2 3