Sistem Aplikasi Cerdas Klasterisasi Penerima Bantuan Covid-19
DOI:
https://doi.org/10.30812/matrik.v21i2.1716Keywords:
Aplikasi cerdas, Bantuan, Klasterisasi, K-Means, Wabah Covid-19Abstract
Wabah Covid-19 berakibat pada krisis ekonomi masyarakat dan menciptakan kemiskinan dan pengangguran. Hal ini menyebabkan pemerintah Indonesia turun tangan memberikan bantuan Covid-19 bagi masyarakat yang paling terdampak buruk. Namun yang menjadi kesulitan adalah dalam menentukan dengan tepat serta benar kandidat yang layak dan yang tidak layak sebagai penerima bantuan yang masih dilakukan secara manual. Karenanya dibutuhkan solusi untuk mengatasinya. Itulah sebabnya penelitian ini bertujuan membangun sistem dan aplikasi cerdas yang bisa melakukan pengklasterkan kandidat penerima bantuan Covid-19 yang layak, kurang layak dan tidak layak sebagai penerima bantuan Covid-19. Metode yang digunakan dalam penelitian ini untuk klasterisasi adalah metode data mining k-means. Hasil penelitian ini adalah pengklasteran kelayakan penerima bantuan Covid-19 terbagi dalam klaster C0 (penerima bantuan yang layak) sebanyak 53, klaster C1 (cukup layak menerima bantuan) sebanyak 71, dan klaster yang tidak layak sebagai penerima bantuan (C2) sebanyak 76 dari 200 data pengujian. Aplikasi cerdas ang dibangun juga menunjukkan hasil yang sama dengan pengklasteran yang di lakukan dengan menerapakan metode k-means, sehingga aplikasi cerdas yang dibangun berguna untuk komputerisasi klasterisasi yang layak, kurang layak dan tidak layak sebagai penerima bantuan Covid-19.
Downloads
References
[2] C. Wang et al., “The impact of COVID-19 pandemic on physical and mental health of Asians: A study of seven middle-income countries in Asia,†PLoS ONE, vol. 16, no. 2 Febuary, pp. 1–20, 2021, doi: 10.1371/journal.pone.0246824.
[3] S. Brown, “The impact of COVID-19 on development assistance,†International Journal, vol. 76, no. 1, pp. 42–54, 2021, doi: 10.1177/0020702020986888.
[4] M. A. Jibrin, M. N. Musa, and S. Tahir, “Development of E-Scholarship System,†International Journal of Computer and Information Technology, vol. 7, no. 2, pp. 523–530, 2016.
[5] R. Sparrow, T. Dartanto, and R. Hartwig, “Indonesia Under the New Normal: Challenges and the Way Ahead,†Bulletin of Indonesian Economic Studies, vol. 56, no. 3, pp. 269–299, 2020, doi: 10.1080/00074918.2020.1854079.
[6] D. Laureiro-MartÃnez and S. Brusoni, “Cognitive Flexibility and Adaptive Decision-Making: Evidence from a laboratory study of expert decision-makers,†Strategic Management Journal, vol. 39, no. 4, pp. 1031–1058, 2018.
[7] P. H. Dos Santos, S. M. Neves, D. O. Sant’Anna, C. H. de Oliveira, and H. D. Carvalho, “The analytic hierarchy process supporting decision making for sustainable development: An overview of applications,†Journal of Cleaner Production, vol. 212, pp. 119–138, 2019, doi: 10.1016/j.jclepro.2018.11.270.
[8] T. D. Puspitasari, E. O. Sari, P. Destarianto, and H. Y. Riskiawan, “Decision Support System for Determining Scholarship Selection using an Analytical Hierarchy Process,†in The 2nd International Joint Conference on Science and Technology (IJCST) 2017, 2018, no. 11, pp. 61–67.
[9] C. Yuan and H. Yang, “Research on K-Value Selection Method of K-Means Clustering Algorithm,†Multidisciplinary Scientific Journal, vol. 2, no. 2, pp. 226–235, 2019, doi: 10.3390/j2020016.
[10] C. Satria and A. Anggrawan, “Aplikasi K-Means berbasis Web untuk Klasifikasi Kelas Unggulan,†Matrik : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 21, no. 1, pp. 111–124, 2021, doi: 10.30812/matrik.v21i1.1473.
[11] C. Wu et al., “k-Means Clustering Algorithm and Its Simulation Based on Distributed Computing Platform,†Journal of Wiley, vol. 2021, pp. 1–10, 2021, doi: 10.1155/2021/9446653.
[12] A. Anggrawan, N. Ibrahim, S. Muslim, and C. Satria, “Interaction between Learning Style and Gender in Mixed Learning with 40 % Face-to-face Learning and 60 % Online Learning,†International Journal of Advanced Computer Science and Applications, vol. 10, no. 5, pp. 407–413, 2019.
[13] A. Anggrawan, C. Satria, N. Gusti, and A. Dasriani, “Reciprocity Effect between Cognitive Style and Mixed Learning Method on Computer Programming Skill,†Journal of computer Science, vol. 17, no. 9, pp. 814–824, 2021, doi: https://doi.org/10.3844/jcssp.2021.814.824.
[14] A. Anggrawan, C. Satria, C. K. Nuraini, Lusiana, N. G. A. Dasriani, and Mayadi, “Machine Learning for Diagnosing Drug Users and Types of Drugs Used,†International Journal of Advanced Computer Science and Applications, vol. 12, no. 11, pp. 111–118, 2021.
[15] R. D. F. S. M. Russo and R. Camanho, “Criteria in AHP: A systematic review of literature,†Procedia Computer Science, vol. 55, no. Itqm, pp. 1123–1132, 2015, doi: 10.1016/j.procs.2015.07.081.
[16] Z. Zhang, “Introduction to machine learning: K-nearest neighbors,†Annals of Translational Medicine, vol. 4, no. 11, pp. 1–7, 2016, doi: 10.21037/atm.2016.03.37.
[17] Z. Karaca, “The Cluster Analysis in the Manufacturing Industry With K-Means Method: an Application for Turkey,†Eurasian Journal of Economics and Finance, vol. 6, no. 3, pp. 1–12, 2018, doi: 10.15604/ejef.2018.06.03.001.
[18] Zaitun, Mustakim, I. Kamila, and S. S. Helma, “Implementation of MOORA Method for Determining Prospective Smart Indonesia Program Funds Recipients,†International Journal of Engineering and Advanced Technology, vol. 9, no. 2, pp. 1922–1925, 2019, doi: 10.35940/ijeat.b2860.129219.
[19] 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,†Research, Society and Developmen, vol. 9, no. 10, pp. 1–21, 2020.
[20] L. Ganda, R. Putra, and A. Anggrawan, “Pengelompokan Penerima Bantuan Sosial Masyarakat dengan Metode K-Means,†Matrik: Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer, vol. 21, no. 1, pp. 205–214, 2021, doi: 10.30812/matrik.v21i1.1554.
[21] O. Marban, G. Mariscal, and J. Segovia, “A Data Mining & Knowledge Discovery Process Model,†no. January, Vienna, Austria: Data Mining and Knowledge Discovery in Real Life Applications, 2009, p. 438.
Downloads
Published
Issue
Section
How to Cite
Similar Articles
- Dinny Komalasari, Maria Ulfa, Pengujian Usability Heuristic Terhadap Perangkat Lunak Pembelajaran Matematika , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 2 (2020)
- Ika Romadoni Yunita, Fiby Nur Afiana, Aplikasi “Si Tubo†untuk Mendeteksi Dini Gejala Tuberkulosis pada Anak dengan Metode Backward Chaining , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 1 (2020)
- Ni Gusti Ayu Dasriani, Mayadi Mayadi, Anthony Anggrawan, Klasterisasi Lokasi Promosi PMB Dengan Fuzzy C-means Masa Pandemi Covid 19 , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 2 (2022)
- Ni Gusti Ayu Dasriani, Anthony Anggrawan, Pengembangan Sistem Aplikasi Cerdas Memprediksi Penjualan Mebel Berbasis website , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
- Fiby Nur Afiana, Rifqi Alfathul Adhim, IMPLEMENTASI APLIKASI ZAKAT PADA LAZIS AL IRSYAD AL ISLAMIYAH PURWOKERTO , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 17 No. 1 (2017)
- Hadi Santoso, Hilyah Magdalena, Helna Wardhana, Aplikasi Dynamic Cluster pada K-Means BerbasisWeb untuk Klasifikasi Data Industri Rumahan , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 3 (2022)
- Samuel Manurung, Mufria J. Purba, Pemanfaatan Aplikasi Customer Relation Management pada koperasi , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 1 (2019)
- Anastasia Mude, Leonardus Benediktus Finansius Mando, Implementasi Keamanan Rumah Cerdas Menggunakan Internet of Things dan Biometric Sistem , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
- Lalu Ganda Rady Putra, Anthony Anggrawan, Pengelompokan Penerima Bantuan Sosial Masyarakat dengan Metode K-Means , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
- Hiya Nalatissifa, Yudi Ramdhani, Sistem Penunjang Keputusan Menggunakan Metode Topsis untuk Menentukan Kelayakan Bantuan Rumah Tidak Layak Huni (RTLH) , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 2 (2020)
You may also start an advanced similarity search for this article.
Most read articles by the same author(s)
- Anthony Anggrawan, Analisis Deskriptif Hasil Belajar Pembelajaran Tatap Muka dan Pembelajaran Online Menurut Gaya Belajar Mahasiswa , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 18 No. 2 (2019)
- Lusiana Efrizoni, Sarjon Defit, Muhammad Tajuddin, Anthony Anggrawan, Komparasi Ekstraksi Fitur dalam Klasifikasi Teks Multilabel Menggunakan Algoritma Machine Learning , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 3 (2022)
- Anthony Anggrawan, Satuang Satuang, Mokhammad Nurkholis Abdillah, Sistem Pakar Diagnosis Penyakit Ayam Broiler Menggunakan Forward Chaining dan Certainty Factor , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 1 (2020)
- Anthony Anggrawan, Mayadi Mayadi, Christofer Satria, Menentukan Akurasi Tata Letak Barang dengan Menggunakan Algoritma Apriori dan Algoritma FP-Growth , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
- Lalu Ganda Rady Putra, Anthony Anggrawan, Pengelompokan Penerima Bantuan Sosial Masyarakat dengan Metode K-Means , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
- Bambang Krismono Triwijoyo, Ahmat Adil, Anthony Anggrawan, Convolutional Neural Network With Batch Normalization for Classification of Emotional Expressions Based on Facial Images , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)
- Putu Tisna Putra, Anthony Anggrawan, Hairani Hairani, Comparison of Machine Learning Methods for Classifying User Satisfaction Opinions of the PeduliLindungi Application , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 3 (2023)
- Anthony Anggrawan, Raisul Azhar, Bambang Krismono Triwijoyo, Mayadi Mayadi, Developing Application in Anticipating DDoS Attacks on Server Computer Machines , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 2 (2021)
- Anthony Anggrawan, Mayadi Mayadi, Application of KNN Machine Learning and Fuzzy C-Means to Diagnose Diabetes , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Christofer Satria, Anthony Anggrawan, Aplikasi K-Means berbasis Web untuk Klasifikasi Kelas Unggulan , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 1 (2021)