Clustering Penduduk Kurang Mampu Di Desa Mekar Baru Menggunakan Algoritma K-Means
DOI:
https://doi.org/10.31294/jtk.v10i2.12377Keywords:
Machine Learning, klastering, K-means, Penduduk Kurang mampuAbstract
Kemiskinan merupakan masalah yang telah lama ada dan belum berhasil diselesaikan oleh pemerintah.
Meskipun berbagai upaya, seperti program bantuan sosial tunai (BLT), telah dilakukan, masih terdapat tantangan
dalam pelaksanaannya. Salah satu kendala yang dihadapi pemerintah daerah di Desa Mekar Baru adalah ketidak
merataan dan ketidaktepatan sasaran dalam distribusi 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.
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 KMeans. *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/wpcontent/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.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Egy Andryan, Asrul Abdullah, Putri Yuli Utami
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
