Feni Andrianti PENERAPAN CLUSTERING DATA KURANG MAMPU DI DESA SITUMEKAR MENGGUNAKAN ALGORITMA K-MEANS
Article Sidebar
Main Article Content
Abstract
Kemiskinan seringkali ditandai dengan tingginya tingkat pengangguran dan keterbelakangan. Salah satu aspek penting untuk mendukung strategi penanggulangan kemiskinan adalah dengan tersedianya data kemiskinan yang akurat. Untuk mencegah kesalahan pihak desa dalam menentukan penduduk yang berhak menerima bantuan maka dapat dilakukan pencegahan dengan menggunakan teknik data mining. Data mining merupakan proses informasi yang menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. Clustering merupakan metode salah satu teknik data mining yang berfungsi mengelompokkan data secara otomatis tanpa memerlukan label pada data latih. Algoritma yang digunakan untuk pembentukan cluster adalah Algoritma K-Means. K-Means adalah salah satu metode pengelompokkan data nonhierarki ( sekatan) yang berusaha mempartisi data yang ada dalam ke dalam bentuk dua atau lebih kelompok. Data yang digunakan berjumlah 137 data, dengan atribut dusun, umur dan jumlah keluarga. Cluster yang terbentuk berjumlah 3 cluster, dengan cluster pertama berjumlah 29 penduduk, cluster kedua berjumlah 72 penduduk, dan cluster ketiga berjumlah 36 penduduk. Hasil dari penelitian dapat dijadikan sebagai salah satu referensi bagi pihak desa dalam mendukung keputusan untuk melakukan pengelompokkan penduduk untuk menerima bantuan.
Article Details
References
Annur, H. (2018). Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes. ILKOM Jurnal Ilmiah, 160-165.
Febianto, N. I., & Palasara, N. (2019). Analisa Clustering K-Means Pada Data Informasi Kemiskinan Di Jawa Barat Tahun 2018. Jurnal Sisfokom ( Sistem Informasi dan Komputer), 130.
Febrianti, F., Hafiyusholeh, M., & Asyhar, A. H. (2016). Perbandingan Pengklusteran Data Iris Menggunakan Metode K-Means Dan Fuzzy C-Means. Jurnal Matematika "MANTIK", 7.
Ferezagia, V. D. (2018). analisis tingkat kemiskinan di indonesia. jurnal sosial humaniora terapan, 1-6.
Mardi, Y. (2017). Data Mining : Klasifikasi Menggunakan algoritma C4.5. jurnal Edik Informatika, 213-219.
Metisen, B. M., & Sari, H. L. (2015). Analisis clustering menggunakan metode K-Means dalam pengelompokkan penjualan produk pada Swalayan Fadhila. Journal Media Infotama, 110-118.
Sari, R. W., Wanto, A., & Windarto, A. P. (2018). Implementasi Rapidminer Dengan Metode K-Means (Study Kasus: Imunisasi Campak Pada Balita Berdasarkan Provinsi). KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), 224-230.
Statistik, B. P. (2018). DATA DAN INFORMASI KEMISKINAN KABUPATEN / KOTA TAHUN 2018.
Yusup, F. (2018). UJI VALIDITAS DAN RELIABILITAS INSTRUMEN PENELITIAN KUANTITATIF. Jurnal Ilmu Pendidikan, 17-23.
Z, A. Z., & Sarjono. (2016). Analisis Data Mining Untuk Menentukan Kelompok Prioritas Penerima Bantuan Bedah Rumah Menggunakan Metode Clustering K-Means( Studi Kasus: Kantor Kecamatan Bahar Utara). jurnal manajemen sistem informasi, 159-170.
Zuhdiyati, N., & Kaluge, D. (2015). KEMISKINAN DI INDONESIA SELAMA LIMA TAHUN TERAKHIR ( Studi Kasus Pada 33 Provinsi ). 27-31.