CLUSTERING BANTUAN SOSIAL SESUAI TINGKAT KEMISKINAN DI KELURAHAN GIRIKERTO MENGGUNAKAN ALGORITMA K-MEANS
Kata Kunci:
Algoritme Clustering K-Means, clustering, Data MiningAbstrak
Penelitian ini bertujuan untuk mengelompokkan data penduduk miskin di Kelurahan Girikerto pada tahun 2024 berdasarkan tingkat kemiskinan, dengan tujuan mengevaluasi distribusi bantuan sosial yang diterima oleh Penerima Manfaat (PM) sesuai dengan status kemiskinan yang telah ditetapkan oleh Pemerintah Kelurahan Girikerto. Metode yang digunakan adalah klasterisasi dengan algoritma K-Means, diterapkan menggunakan aplikasi RapidMiner. Data yang digunakan dalam penelitian ini berasal dari Kelurahan Girikerto dan mencakup berbagai jenis bantuan sosial seperti BPNT, PKH, PBI-JK, dan BLT BBM. Proses penelitian mencakup tahap studi literatur untuk memahami dasar teori dan metodologi yang relevan, serta identifikasi dan analisis masalah menggunakan pendekatan CRISP-DM. Data yang diperoleh akan dipersiapkan, dibersihkan, dan dinormalisasi sebelum dianalisis menggunakan algoritma K-Means untuk menghasilkan kelompok-kelompok yang menunjukkan pola distribusi bantuan yang berbeda-beda sesuai dengan tingkat kemiskinan. Hasil dari penelitian ini diharapkan dapat memberikan pemahaman lebih dalam tentang efektivitas distribusi bantuan sosial di Kelurahan Girikerto serta memberikan rekomendasi untuk optimalisasi program-program bantuan sosial yang ada.
Referensi
Menteri Sosial, “Peraturan Mentri Sosial Nomor 1 Tahun 2019,” 2019, Accessed: Jun. 10, 2024. [Online]. Available: https://peraturan.bpk.go.id/Details/129443/permensos-no-1-tahun-2019
Menteri Sosial, “Peraturan Kementerian Sosial Nomor 3 Tahun 2021.” Accessed: Jun. 15, 2024. [Online]. Available: https://peraturan.bpk.go.id/Details/171535/permensos-no-3-tahun-2021
F. Marisa, A. L. Maukar, and T. M. Akhriza, “Data Mining Konsep dan Penerapannya,” Deepublish, 2021. [Online]. Available: https://books.google.co.id/books?id=BtlVEAAAQBAJ
Y. R. Sari, A. Sudewa, D. A. Lestari, and T. I. Jaya, “Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer,” Journal of Computer Engineering System and Science, vol. 5, no. 2, pp. 192-198, 2020.
A. Khalif et al., “Klasterisasi Tingkat Kemiskinan di Indonesia Menggunakan Algoritma K-Means,” Generation Journal, vol. 8, no. 1, pp. 54-62, 2024.
Nurhayati, “Pemodelan K- Means Algoritma Dan Big Data Analysis (Pemetaan Data Mustahiq),” Pascal Books, 2022. [Online]. Available: https://books.google.co.id/books?id=_bJmEAAAQBAJ
E. Buulolo, “Data Mining Untuk Perguruan Tinggi,” 2020.
F. Sulianta, “Basic Data Mining from A to Z. Feri Sulianta,” 2023. [Online]. Available: https://books.google.co.id/books?id=JcLhEAAAQBAJ
R. Alhapizi, M. Nasir, and I. Effendy, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru Universitas Bina Darma Palembang,” SEA: Journal of Software Engineering Ampera, vol. 1, no. 1, pp. 1-14, 2020. [Online]. Available: https://journal-computing.org/index.php/journal-sea/index
Y. Suhanda, I. Kurniati, and S. Norma, “Penerapan Metode Crisp-DM Dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik,” Jurnal Teknologi Informatika dan Komputer, vol. 6, no. 2, pp. 12–20, 2020, doi: 10.37012/jtik.v6i2.299.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
