Klasifikasi Penduduk Kurang Mampu Dengan Metode K-Means untuk Optimalisasi Program Bantuan Sosial
DOI:
https://doi.org/10.23969/infomatek.v25i1.7271Abstract
Kemiskinan merupakan permasalahan yang selalu terjadi pada negara berkembang, khususnya Indonesia. Kemiskinan merupakan kondisi seseorang ketika tidak sanggup untuk menyanggupi kebutuhan sehari-hari. Selama pandemi Covid-19 kemiskinan di DKI Jakarta cenderung meningkat. Pada wilayah Jakarta Selatan jumlah penduduk miskin terdapat 61,77 ribu jiwa (2,73%) per 2019, lalu meningkat menjadi 78,09 ribu jiwa (3,34%) ditahun 2020 dan menjadi 81,50 ribu jiwa (3,56%) pada tahun 2021. Adapun tujuan dari penelitian ini yaitu untuk mengoptimalisasikan program bantuan sosial yang dinilai masih kurang tepat sasaran. Dengan menggunakan metode K-Means penelitian ini mencoba untuk membagi data penduduk kurang mampu kedalam 3 cluster berdasarkan variabel pendidikan, pekerjaan, tanggungan dan pengeluaran. Dari hasil proses K-Means didapatkan kelompok yang setelah dianalisis menghasilkan kelompok layak mendapat bantuan, sangat layak mendapat bantuan dan kurang layak mendapat bantuan dengan hasil pengujian mendapatkan skor DBI (Davies Bouldin Index) yang cukup baik, yaitu -0,996.Downloads
References
Alhamid, T., & Anufia, B. (2019). RESUME: INSTRUMEN PENGUMPULAN DATA.
Hasymi, M. A., Faisol, A., & Ariwibisono, F. X. (2021). SISTEM INFORMASI GEOGRAFIS PEMETAAN WARGA KURANG MAMPU DI KELURAHAN KARANGBESUKI MENGGUNAKAN METODE K-MEANS CLUSTERING. In Jurnal Mahasiswa Teknik Informatika) (Vol. 5, Issue 1).
Nasari, F., Jhony, C., & Sianturi, M. (2016). Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Penyebaran Diare Di Kabupaten Langkat.
Novi, N. & Mubarok, A. (2021). Penerapan Algoritma K-Means Clustering untuk Menentukan Kelas Unggulan di SMP Pelita Bandung, Infomatek: Jurnal Informatika, Manajemen dan Teknologi, 23(2), 97-106.
Pratama, B., & Akbar, A. S. (2021). KLASIFIKASI PENENTUAN WARGA PENERIMA BANTUAN SOSIAL DI MASA PANDEMI MENGGUNAKAN METODE NAIVE BAYES. Jurnal Nasional Informatika, 2(2), 143–157.
Sepriyanti, N., Sani Nahampun, R., Zikri, M. H., Ambarani, I., & Rahmadeyan, A. (2022). Penerapan K-Means Clustering Untuk Mengelompokkan Tingkat Kemiskinan di Provinsi Riau. https://journal.irpi.or.id/index.php/sentimas
Seran, S. (2012). DETERMINAN FAKTOR SOSIAL DAN EKONOMI TERHADAP KEMISKINAN PENDUDUK. Jurnal Ekonomi Pembangunan, 13(1), 62–78.
