1. Home
  2. Vol 13, No 1
  3. Kusuma

Implementasi Algoritma K-Means Dalam Pengelompokan Penerima Bantuan Bedah Rumah

Erwin Arry Kusuma(1*),Adani Dharmawati(2),Nisrinah Nisrinah(3)
(1) STMIK BANJARBARU
(2) Universitas Islam Kalimantan
(3) STMIK BANJARBARU
(*) Corresponding Author
DOI : 10.35889/jutisi.v13i1.2091

Abstract

Self-help housing, built through community initiatives, is a crucial solution to address substandard housing in Indonesia. The Self-Help Housing Stimulant Assistance Program (BSPS) supports the construction of these houses. This study aims to implement the K-Means method to prioritize recipients of house renovation assistance based on socioeconomic data and housing conditions. Using 207 recipient data from Hulu Sungai Tengah Regency, the attributes considered include the number of dependents, monthly income, and house size. The clustering process resulted in two priority recipient clusters. The analysis results show that the K-Means method can classify aid recipients with an accuracy of 61%. Results of this study can help the government allocate resources more efficiently and effectively.

Keywords: Clustering; Data Mining; K-Means; House Renovation

 

Abstrak

Rumah swadaya yang dibangun atas inisiatif masyarakat adalah solusi penting untuk mengatasi masalah rumah tidak layak huni (RTLH) di Indonesia. Program Bantuan Stimulan Perumahan Swadaya (BSPS) mendukung pembangunan rumah swadaya ini. Penelitian ini bertujuan mengimplementasikan metode K-Means untuk mengelompokkan prioritas penerima bantuan bedah rumah berdasarkan data sosial ekonomi dan kondisi rumah. Menggunakan 207 data penerima bantuan dari Kabupaten Hulu Sungai Tengah, atribut yang dipertimbangkan meliputi jumlah tanggungan, penghasilan per bulan, dan luas rumah. Proses pengelompokan menghasilkan dua klaster prioritas penerima bantuan. Hasil analisis menunjukkan bahwa metode K-Means dapat mengelompokkan penerima bantuan dengan akurasi 61%. Hasil penelitian ini dapat membantu pemerintah dalam mengalokasikan sumber daya secara lebih efisien dan tepat sasaran.

 

Keywords


Clustering; Data Mining; K-Means; Bedah Rumah

References


M. A. Aziz, A. Bachtiar dan K. Asmara, “Implementasi Program Bantuan Stimulan Perumahan Swadaya (BSPS) Di Desa Gedangan Oleh Satker Penyediaan Perumahan Jawa IV,” Jurnal Ilmiah Wahana Pendidikan, vol. 9, no. 22, pp. 645-652, 2023.

J. O. Ogunleye, The Concept of Data Mining, Rijeka: IntechOpen, 2021.

A. Pangestu dan T. Ridwan, “Penerapan Data Mining Menggunakan Algoritma Kmeans Pengelompokan Pelanggan Berdasarkan Kubikasi Air Terjual Menggunakan WEKA,” Just IT : Jurnal Sistem Informasi, Teknologi Informasi dan Komputer, vol. 11, no. 3, pp. 67-71, 2021.

M. Cheng and D. Han, "A K-means Algorithm for Construction of Enterprise Innovation System Based on Data Mining Technology," in 2023 International Conference on Networking, Informatics and Computing (ICNETIC), Palermo, 2023.

I. Ayuningtias, N. N. Debataraja dan N. Imro’ah, “Analisis Cluster Non-Hirarki Dengan Metode K-Modes,” Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya, vol. 8, no. 4, pp. 909-916, 2019.

Y. Kusnadi dan M. S. Putri, “Clustering Menggunakan Metode K-Means Untuk Menentukan Prioritas Penerima Bantuan Bedah Rumah (Studi Kasus : Desa Ciomas Bogor),” Jurnal Teknologi Informatika dan Komputer, vol. 7, no. 1, pp. 17-24, 2021.

Y. Filki, “Algoritma K-Means Clustering dalam Memprediksi Penerima Bantuan Langsung Tunai (BLT) Dana Desa,” Jurnal Informatika Ekonomi Bisnis, vol. 4, no. 4, pp. 166-171, 2022.

E. Moruk, M. Martanto dan U. Hayati, “Algoritma K-Means Untuk Clustering Penerima Program Keluarga Harapan Di Nanaenoe Nusa Tenggara Timur,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 2, pp. 1681-1687, 2024.

B. Susarianto dan T. Nizami, “Penentuan Penerima Bantuan Sosial Beras untuk Masyarakat Miskin Menggunakan Metode K-Means,” Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, vol. 12, no. 2, pp. 772-783, 2023.

S. A. Mazhar, R. Anjum, A. I. Anwar dan A. A. Khan, “Methods of Data Collection: A Fundamental Tool of Research,” Journal of Integrated Community Health, vol. 10, no. 1, pp. 6-10, 2021.

D. P. Turner, “Sampling Methods in Research Design,” Headache: The Journal of Head and Face Pain, vol. 60, no. 1, pp. 8-12, 2020.

R. Muliono dan Z. Sembiring, “Data Mining Clustering Menggunakan Algoritmak-Means Untuk Klasterisasi Tingkat Tridarma Pengajaran Dosen,” CESS (Journal of Computer Engineering System and Science), vol. 4, no. 2, pp. 272-279, 2019.

M. F. Amin, “Confusion Matrix in Binary Classification Problems: A Step-by-Step Tutorial,” Journal of Engineering Research, vol. 6, no. 5, pp. T1-T12, 2022.

M. F. Rahman, M. I. Darmawidjadja dan D. Alamsah, “Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network (RBNN),” JURNAL INFORMATIKA, vol. 11, no. 1, pp. 36-45, 2017.

N. Puspitasari, A. Septiarini dan A. R. Aliudin, “Metode K-Nearest Neighbor Dan Fitur Warna Untuk Klasifikasi Daun Sirih Berdasarkan Citra Digital,” PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer, vol. 10, no. 2, pp. 165-172, 2023.


The PDF file you selected should load here if your Web browser has a PDF reader plug-in installed (for example, a recent version of Adobe Acrobat Reader).

If you would like more information about how to print, save, and work with PDFs, Highwire Press provides a helpful Frequently Asked Questions about PDFs.

Alternatively, you can download the PDF file directly to your computer, from where it can be opened using a PDF reader. To download the PDF, click the Download link above.

Fullscreen Fullscreen Off

Full Text: File PDF

How To Cite This :

Refbacks

  • There are currently no refbacks.