Clustering Penduduk Kurang Mampu Di Desa Mekar Baru Menggunakan Algoritma K-Means

Egy Andryan, Asrul Abdullah, Putri Yuli Utami

Abstract


Kemiskinan merupakan masalah yang telah lama ada dan belum terselesaikan oleh pemerintah. Meskipun berbagai upaya seperti program bantuan sosial tunai (BLT) telah dilakukan, masih terdapat kendala dalam pelaksanaannya. Salah satu kendala yang dihadapi pemerintah daerah di Desa Mekar Baru adalah ketidakmerataan dan ketidaktepatan sasaran dalam pendistribusian bantuan sosial. Algoritma K-Means, yang merupakan salah satu algoritma paling populer dan sederhana, digunakan untuk mengelompokkan data penduduk kurang mampu menjadi beberapa klaster. Berdasarkan hasil evaluasi, diperoleh empat klaster: klaster 1 (sangat tidak mampu) dengan 114 data (36,8% dari total data), klaster 0 (sangat mampu) dengan 89 data (28,8%), klaster 3 (mampu) dengan 83 data (26,8%), dan klaster 2 (sangat mampu) dengan 23 data (7,4%). Klaster tersebut diurutkan dari yang memiliki jumlah terbesar hingga terkecil. Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi yang dapat mengidentifikasi klaster dari dataset yang dianalisis menggunakan metode K-Means.

Keywords


Maching Learning;klastering, K-means;Penduduk Kurang mampu

Full Text:

PDF

References


Suhartini, S., & Yuliani, R. (2021). Penerapan Data Mining untuk Mengcluster Data Penduduk Miskin Menggunakan Algoritma K-Means di Dusun Bagik Endep Sukamulia Timur. *Infotek: Jurnal Informatika dan Teknologi*, 4(1), 39–50. https://doi.org/10.29408/jit.v4i1.2986

Arianto, J. (2019). Penerapan Data Mining Untuk Pengelompokan Penduduk Kurang Mampu Desa Sambirejo Timur Dengan Algoritma K-Medoids (Studi Kasus Kantor Kepala Desa Sambirejo Timur). *KOMIK: Konferensi Nasional Teknologi Informasi dan Komputer*, 3(1), 569–573. https://doi.org/10.30865/komik.v3i1.1660

Jurnal, M., Informasi, S., Misi, J., Manajemen, J., & Informasi, S. (2021). Volume 4, No 1, Januari 2021 ISSN: 2614-1701 (Cetak) – 2614-3739 (Online). *MISI: Jurnal Manajemen Informatika & Sistem Informasi*, 4(1).

Filki, Y. (2022). Algoritma K-Means Clustering dalam Memprediksi Penerima Bantuan Langsung Tunai (BLT) Dana Desa. *Jurnal Informasi Ekonomi Bisnis*, 4, 166–171. https://doi.org/10.37034/infeb.v4i4.166

Bangsa, S. T., & Utara, S. (2021). Implementasi Data Mining Dalam Mengelompokkan Jumlah Penduduk Miskin Berdasarkan Provinsi Menggunakan Algoritma K-Means. *Jurnal Ilmiah Teknologi Informasi*, 2(2), 125–132.

Sunia, D., Kurniabudi, & Jusia, P. A. (2019). Penerapan Data Mining Untuk Clustering Data Penduduk Miskin Menggunakan Algoritma K-Means. *Jurnal Ilmiah Mahasiswa Teknik Informasi*, 1(2), 121–134.

Triyana, M., Juita, R., & Suhendra, C. D. (2022). Penerapan Metode K-Means dalam Pengelompokan Data Penduduk Tidak Mampu di Distrik Oransbari. *Jurnal Teknologi dan Sistem Informasi*, 7(3).

Febriansyah, F., & Muntari, S. (2023). Penerapan Algoritma K-Means untuk Klasterisasi Penduduk Miskin pada Kota Pagar Alam. *Jurnal Teknologi Informasi*, 8(1), 66–77.

Susanto, J. (2023). Klasterisasi Data Penerima Bantuan Langsung Tunai Menggunakan Algoritma K-Means. *Jurnal Komputer dan Informatika*, 10(2), 461–470. https://doi.org/10.30865/jurikom.v10i2.5807

Nabila, Z., Isnain, A. R., & Abidin, Z. (2021). Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means. *Jurnal Teknologi dan Sistem Informasi*, 2(2), 100. Retrieved from http://jim.teknokrat.ac.id/index.php/JTSI

Nahjan, M. R., Heryana, N., & Voutama, A. (2023). Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell. *Jurnal Mahasiswa Teknik Informasi*, 7(1), 101–104. https://doi.org/10.36040/jati.v7i1.6094

Serikat, A., & Kunci, K. (2023). K-Means Clustering Dalam Pengelompokan Kabupaten Dan Kota Di Jawa Timur. *Seminar Nasional Hasil Riset dan Pengabdian (SNHRP)*, 863–870. Retrieved from http://karyailmiah.unipasby.ac.id/wp-content/uploads/2019/04/K-Means-Artikel.pdf

Paembonan, S., & Abduh, H. (2021). Penerapan Metode Silhouette Coefficient untuk Evaluasi Clustering Obat. *PENA Teknik: Jurnal Ilmiah Ilmu-Ilmu Teknik*, 6(2), 48. https://doi.org/10.51557/pt_jiit.v6i2.659

Hastomo, W., Aini, N., Karno, A. S. B., & Rere, L. M. (2022). Metode Pembelajaran Mesin untuk Memprediksi Emisi Manure Management. *Jurnal Nasional Teknik Elektro dan Teknologi Informasi*, 11(2), 131–139. https://doi.org/10.22146/jnteti.v11i2.2586




DOI: https://doi.org/10.31294/jtk.v10i2.23157

Copyright (c) 2024 egy andryan

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

ISSN: 2442-2436 (print), and 2550-0120


 dipublikasikan oleh LPPM Universitas Bina Sarana Informatika Jakarta

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License