Pengelompokan Penerima Bantuan Sosial Masyarakat dengan Metode K-Means
Abstract
Pada umumnya bantuan yang di berikan oleh pemerintah kepada masyarakat terkadang tidak tepat sasaran, karena sebagian masyarakat yang mampu secara ekonomi mendapatkan bantuan sedangkan masih banyak masyarakat yang tidak mampu justru tidak menerima bantuan dari pemerintah. Tujuan dari penelitian ini adalah mengelompokan penerima bantuan sosial yang layak menerima bantuan dan kurang layak menerima bantuan. Solusi yang di berikan dengan menggunakan tahapan penelitian yaitu pengumpulan data, data preprossesing, implementasi metode klasifikasi dan analisa hasil untuk mengetahui hasil akhir. Analisis yang di gunakan adalah data penerima bantuan sosial yang belum di kelompokan dan berdasarkan hasil dalam pengelompokan penerima bantuan sosial menggunakan metode K–means, dari 257 data terdapat 196 data yang termasuk cluster 1 dengan status penerima bantuan sosial tepat sasaran dan 61 data yang termasuk cluster 2 dengan status penerima bantuan sosial tidak tepat sasaran. Dari hasil analisis data dapat ditarik sebuah kesimpulan yaitu masyarakat yang menerima bantuan sudah tepat sasaran karena mayoritas penerima bantuan diterima oleh masyarakat yang benar-benar membutuhkan bantuan dari pemerintah, dimana penerima bantuan bekerja sebagai buruh, tidak memiliki aset dan memiliki penghasilan di bawah Rp 500.000.
Downloads
References
[2] R. McAreavey and D. L. Brown, “Comparative analysis of rural poverty and inequality in the UK and the US,” Palgrave Commun., vol. 5, no. 1, pp. 1–10, 2019.
[3] E. Mansi, E. Hysa, M. Panait, and M. C. Voica, “Poverty-A challenge for economic development? Evidences from Western Balkan countries and the European union,” Sustainability, vol. 12, no. 18, pp. 1–24, 2020.
[4] R. Paul-Sen Gupta, M. L. De Wit, and D. McKeown, “The impact of poverty on the current and future health status of children,” Paediatr. Child Health (Oxford)., vol. 12, no. 8, pp. 667–672, 2007.
[5] F. V. Shahidi, C. Ramraj, O. Sod-Erdene, V. Hildebrand, and A. Siddiqi, “The impact of social assistance programs on population health: A systematic review of research in high-income countries,” BMC Public Health, vol. 19, no. 1, pp. 1–11, 2019.
[6] A. S. Ahmar, D. Napitupulu, R. Rahim, R. Hidayat, Y. Sonatha, and M. Azmi, “Using K-Means Clustering to Cluster Provinces in Indonesia,” J. Phys. Conf. Ser., vol. 1028, no. 1, 2018.
[7] M. G. H. Omran, A. P. Engelbrecht, and A. Salman, “An overview of clustering methods,” Intell. Data Anal., vol. 11, no. 6, pp. 583–605, 2007.
[8] M. Sammour and Z. Othman, “An agglomerative hierarchical clustering with various distance measurements for ground level ozone clustering in Putrajaya, Malaysia,” Int. J. Adv. Sci. Eng. Inf. Technol., vol. 6, no. 6, pp. 1127–1133, 2016.
[9] A. V. D. Sano and H. Nindito, “Application of K-Means Algorithm for Cluster Analysis on Poverty of Provinces in Indonesia,” ComTech Comput. Math. Eng. Appl., vol. 7, no. 2, p. 141, 2016.
[10] Z. Karaca, “the Cluster Analysis in the Manufacturing Industry With K-Means Method: an Application for Turkey,” Eurasian J. Econ. Financ., vol. 6, no. 3, pp. 1–12, 2018.
[11] H. J. de P. Alves, F. A. F. Henrique José de Paula Alves, K. P. de Lima, B. D. de O. Batista, and T. J. Fernandes, “The COVID-19 pandemic in Brazil an application of the k-means clustering method,” Res. Soc. Dev., vol. 9, no. 10, pp. 1–21, 2020.
[12] A. Heryati and M. I. Herdiansyah, “The Application of Data Mining by using K-Means Clustering Method in Determining New Students’ Admission Promotion Strategy,” Int. J. Eng. Adv. Technol., vol. 9, no. 3, pp. 824–833, 2020.
[13] N. A. Khairani and E. Sutoyo, “Application of K-Means Clustering Algorithm for Determination of Fire-Prone Areas Utilizing Hotspots in West Kalimantan Province,” Int. J. Adv. Data Inf. Syst., vol. 1, no. 1, pp. 9–16, 2020.
[14] C. A. Sugianto, T. Pratiwi, and O. Riska, “K-Means Algorithm For Clustering Poverty Data in Bangka Belitung Island Province Journal of Computer Networks , Architecture and High Performance Computing,” J. Comput. Networks , Archit. High Perform. Comput., vol. 3, no. 1, pp. 58–67, 2021.
[15] S. Ningsih and D. Syahputra, “K-Means Algorithm for Clustering Third-party Funds of Conventional Banking,” J. Phys. Conf. Ser., vol. 1899, no. 1, 2021.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
.png)
