Klasterisasi Dana Bantuan Pada Program Keluarga Harapan (PKH) Menggunakan Metode K-Means
|
Keywords:
Data Mining, K-Means, Clustering, Hope Pamily Program, Poverty
AbstractThe Family of Hope Program (PKH) is a program that aims to reduce poverty and improve the quality of human resources. Optimizing the provision of assistance in accordance with the expectations of those in need. Data on the poor or integrated social welfare data is needed as a reference for grouping. This study aims to make it easier for the selection team to provide assistance in accordance with the predetermined criteria whether or not they deserve to receive the assistance. The data used in the study is data from 2019. The data processing in this study uses the K-Means Clustering method with 3 clusters, namely Cluster 1 (C1) Nearly Poor Households (RTHM), Cluster 2 (C2) Poor Households (RTM), Cluster 3 (C3) Very Poor Households (RTSM). The results of the clustering process with 2 iterations state that for Cluster 1 the amount of data is, for Cluster 2 the amount of data, and for Cluster 3 the amount of data. So this research is very helpful in relocating targeted assistance according to the family hope cluster. Downloads
Download data is not yet available.
ReferencesMar'i, F., & Supianto, A. A. (2018). Clustering Credit Card Holder Berdasarkan Pembayaran Tagihan Menggunakan Improved K-means dengan Particle Swarm Optimization. Jurnal Teknologi Informasi dan Ilmu Komputer, 5(6), 737-744. DOI: http://dx.doi.org/10.25126/jtiik.201856858 . Mahmuda, F., Sitorus, M. A. R., Widyastuti, H., & Kurniawan, D. E. (2017). Clustering Profil Pengunjung Perpustakaan Menggunakan Algoritma K-means. Journal of Applied Informatics and Computing, 1(1), 14-21. DOI: https://doi.org/10.30871/jaic.v1i1.476 . Ridho, F., & Kusuma, A. A. (2019). Deteksi Intrusi Jaringan dengan K-means Clustering Pada Akses Log dengan Teknik Pengolahan Big Data. Jurnal Aplikasi Statistika dan Komputasi Statistik, 10(1), 53-66. DOI: https://doi.org/10.34123/jurnalasks.v10i1.202 . Putra, R. R., & Wadisman, C. (2018). Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K Means. INTECOMS: Journal of Information Technology and Computer Science, 1(1), 72-77. DOI: https://doi.org/10.31539/intecoms.v1i1.141 . Widodo, W., & Wahyuni, D. (2017). Implementasi Algoritma K-Means Clustering untuk Mengetahui Bidang Skripsi Mahasiswa Multimedia Pendidikan Teknik Informatika dan Komputer Universitas Negeri Jakarta. PINTER: Jurnal Pendidikan Teknik Informatika dan Komputer, 1(2), 157-166. DOI: https://doi.org/10.21009/pinter.1.2.10 . Rosmini, R., Fadlil, A., & Sunardi, S. (2018). Implementasi Metode K-means dalam Pemetaan Kelompok Mahasiswa Melalui Data Aktivitas Kuliah. IT Journal Research and Development, 3(1), 22-31. DOI: https://doi.org/10.25299/itjrd.2018.vol3(1).1773 . Rustam, S., Santoso, H. A., & Supriyanto, C. (2018). Optimasi K-Means Clustering untuk Identifikasi Daerah Endemik Penyakit Menular dengan Algoritma Particle Swarm Optimization di Kota Semarang. ILKOM Jurnal Ilmiah, 10(3), 251-259. DOI: https://dx.doi.org/10.33096/ilkom.v10i3.342.251-259 . Arifiyanti, A. A., Pradana, R. M., & Novian, I. F. (2018). Klasifikasi Produk Retur dengan Algoritma Pohon Keputusan C4. 5. Jurnal IPTEK, 22(1), 79-86. DOI: https://doi.org/10.31284/j.iptek.2018.v22i1.243 . Fajrin, A. A., & Maulana, A. (2018). Penerapan Data Mining untuk Analisis Pola Pembelian Konsumen dengan Algoritma Fp-Growth Pada Data Transaksi Penjualan Spare Part Motor. Kumpulan Jurnal Ilmu Komputer (KLIK), 5(1), 27-36. Fatmawati, K., & Windarto, A. P. (2018). Data Mining: Penerapan Rapidminer Dengan K-means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (DBD) Berdasarkan Provinsi. Journal of Computer Engineering, System and Science, 3(2), 173-178. DOI: https://doi.org/10.24114/cess.v3i2.9661 . Gustientiedina, G., Adiya, M. H., & Desnelita, Y. (2019). Penerapan Algoritma K-means Untuk Clustering Data Obat-Obatan. Jurnal Nasional Teknologi dan Sistem Informasi, 5(1), 17-24. DOI: https://doi.org/10.25077/TEKNOSI.v5i1.2019.17-24 Maulida, L. (2018). Penerapan Data Mining dalam Mengelompokkan Kunjungan Wisatawan ke Objek Wisata Unggulan di Prov. DKI Jakarta dengan K-means. JISKA (Jurnal Informatika Sunan Kalijaga), 2(3), 167-174. DOI: http://dx.doi.org/10.14421/jiska.2018.23-06 . Yahya, K. B., & Mahpuz, M. (2019). Penggunaan Algoritma K-Means Untuk Menganalisis Pelanggan Potensial Pada Dealer SPS Motor Honda Lombok Timur Nusa Tenggara Barat. Infotek: Jurnal Informatika dan Teknologi, 2(2), 109-118. DOI: https://dx.doi.org/10.29408/jit.v2i2.1447 . Nur, F., Zarlis, M., & Nasution, B. B. (2017). Penerapan Algoritma K-Means Pada Siswa Baru Sekolah Menengah Kejuruan Untuk Clustering Jurusan. InfoTekJar: Jurnal Nasional Informatika dan Teknologi Jaringan, 1(2), 100-105. DOI: https://doi.org/10.30743/infotekjar.v1i2.70 . Parlina, I., Windarto, A. P., Wanto, A., & Lubis, M. R. (2018). Memanfaatkan Algoritma K-Means dalam Menentukan Pegawai yang Layak Mengikuti Asessment Center untuk Clustering Program SDP. Journal of Computer Engineering, System and Science, 3(1), 87-93. DOI: https://doi.org/10.24114/cess.v3i1.8192 . Santoso, S., & Nurmalina, R. (2017). Perencanaan dan Pengembangan Aplikasi Absensi Mahasiswa Menggunakan Smart Card Guna Pengembangan Kampus Cerdas. Jurnal Integrasi, 9(1), 84-91. DOI: https://doi.org/10.30871/ji.v9i1.288 Ayu, F., & Permatasari, N. (2018). Perancangan Sistem Informasi Pengolahan Data PKL (Praktek Kerja Lapangan) Di Devisi Humas Pada PT Pegadaian. Jurnal Intra Tech, 2(2), 12-26. |
Published
2021-06-30
Issue
Section
Articles
How to Cite
Said, A. A., Defit, S., & Yunus, Y. (2021). Klasterisasi Dana Bantuan Pada Program Keluarga Harapan (PKH) Menggunakan Metode K-Means. Jurnal Informatika Ekonomi Bisnis, 3(2), 53-59. https://doi.org/10.37034/infeb.v3i2.66
Copyright (c) 2021 Jurnal Informatika Ekonomi Bisnis  This work is licensed under a Creative Commons Attribution 4.0 International License. |
