IMPLEMENTASI K-MEANS CLUSTERING PADA DATA PENDUDUK MISKIN LINGKUNGAN II DI KELURAHAN MANEMBO-NEMBO

Penulis

  • Maxsi Bambang Budi Luhur
  • Lestari Margatama Universitas Budi Luhur

Kata Kunci:

Clustering, CRISP-DM, K-Means, Metode Elbow, Sum of Square Error., Clustering, CRISP-DM, K-Means, Metode Elbow, Sum of Square Error

Abstrak

Penyaluran bantuan sosial di lingkungan II Kelurahan Manembo-Nembo masih dianggap kurang tepat sasaran. Bantuan sosial dari pemerintah seharusnya didapatkan oleh seluruh keluarga miskin yang ada. Kurangnya informasi mengenai jumlah dan daftar penduduk miskin adalah kendalanya. Oleh karena itu, perlu dilakukan pengelompokkan penduduk miskin (keluarga miskin) berdasarkan dengan data-data yang dimiliki oleh Kelurahan Manembo-Nembo. Pada penelitian ini data penduduk dikategorikan menggunakan metode Clustering algoritma K-Means berdasarkan data penghasilan, Pendidikan terakhir, bantuan sosial dan data kondisi rumah yang diterima. Menggunakan software RapidMiner Studio, didapatkan hasil 3 cluster. Menggunakan metode elbow untuk mendapatkan jumlah cluster optimal dan menghitung Sum of Square Eror dari setiap nilai cluster. Hasil penelitian dengan RapidMiner didapatkan hasil, untuk cluster 2 dengan kategori penduduk miskin berjumlah 119 kepala keluarga. Cluster 0 dengan kategori penduduk menengah berjumlah 78 kepala keluarga. Cluster 1 dengan kategori penduduk kaya berjumlah 75 kepala keluarga.

Referensi

Y. Mardi, “Jurnal Edik Informatika Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” JurnalEdikInformatika, vol. 2, no. 2, pp. 213–219, 2017.

D. Astuti, A. R. Iskandar, and A. Febrianti, “Penentuan Strategi Promosi Usaha Mikro Kecil Dan Menengah (UMKM) Menggunakan Metode CRISP-DM dengan Algoritma K-Means Clustering,” Journal of Informatics, Information System, Software Engineering and Applications, vol. 1, no. 2, pp. 60–72, 2019, doi: 10.20895/INISTA.V1I2.

Mabrur, A. Ginanjar, and R. Lubis, “Penerapan Data Mining untuk Memprediksi Kriteria Nasabah Kredit,” Jurnal Komputer dan Informatika (KOMPUTA), 2012.

Asroni and R. Adrian, “Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang,” JURNAL ILMIAH SEMESTA TEKNIKA, vol. 18, no. 1, pp. 76–82, 2015.

I. Nasution, A. P. Windarto, and M. Fauzan, “Penerapan Algoritma K-Means Dalam Pengelompokan Data Penduduk Miskin Menurut Provinsi,” Technology and Science (BITS), vol. 2, no. 2, pp. 76–83, 2020, [Online]. Available: https://www.bps.go.id.

B. E. Adiana, I. Soesanti, and A. E. Permanasari, “Analisis Segmentasi Pelanggan Menggunakan Kombinasi RFM Model dan Teknik Clustering,” Jurnal Terapan Teknologi Informasi, vol. 2, no. 1, pp. 23–32, 2018, doi: 10.21460/jutei.2017.21.76.

S. Angra and S. Ahuja, “Analysis of Student’s Data using Rapid Miner,” Journal on Today’s Ideas - Tomorrow’s Technologies, vol. 4, no. 2, pp. 109–117, Dec. 2016, doi: 10.15415/jotitt.2016.42007.

N. P. E. Merliana, Ernawati, and A. J. Santoso, “ANALISA PENENTUAN JUMLAH CLUSTER TERBAIK PADA METODE K-MEANS CLUSTERING,” PROSIDING SEMINAR NASIONALMULTI DISIPLIN ILMU & CALL FOR PAPERSUNISBANK, pp. 978–979, 2015.

T. S. Madhulatha, “An Overview on Clustering Methods,” IOSR Journal of Engineering, vol. 2, pp. 719–725, 2012.

Y. Irwanto, Purwananto, and R. Soelaiman, “Optimasi Kinerja Algoritma Klasterisasi K-Means untuk Kuantisasi Warna Citra,” vol. 1, no. 1, pp. 197–202, 2012.

Unduhan

Diterbitkan

12-10-2023

Cara Mengutip

Bambang, M., & Margatama, L. (2023). IMPLEMENTASI K-MEANS CLUSTERING PADA DATA PENDUDUK MISKIN LINGKUNGAN II DI KELURAHAN MANEMBO-NEMBO . Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 919–928. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/943

Terbitan

Vol 2 No 2 (2023): Prosiding SENAFTI Ke-3 September 2023

Bagian

Artificial Intelligence

Lisensi

Hak Cipta (c) 2023 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.