Optimasi Algoritma K-Means Menggunakan Metode Elbow Pada Data Penerima Program Keluarga Harapan (PKH)
DOI:
https://doi.org/10.36423/index.v6i1.1739Abstract
Program Keluarga Harapan (PKH) merupakan program pemberian bantuan sosial bersyarat kepada keluarga miskin yang ditujukan kepada keluarga penerima manfaat PKH. Melalui PKH, keluarga miskin didorong untuk memiliki akses dan memanfaatkan pelayanan sosial dasar di bidang kesehatan, pendidikan, pangan dan gizi, perawatan, serta pendampingan. Pada kelurahan Cibabat dan kelurahan Cipageran kecamatan Cimahi Utara terdapat 387 data penerima bantuan PKH pada tahun 2022. Namun belum adanya pengolahan data penerima bantuan PKH tersebut sehingga dalam melakukan pendampingan penerima bantuan PKH belum mendapatkan penglompokan yang sesuai dengan riwayat pendidikan. Berdasarkan latar belakang masalah yang telah dijabarkan, penulis tertarik untuk melakukan Clustering menggunakan Algoritma K-means pada data penerima bantuan PKH. Berdasarkan pengujian metode elbow pada algoritma k-means didapat nilai k yang optimal adalah k=3. Pengelompokan dataset yang digunakan menjadi 3 kelompok cluster, diantranya cluster_0 sebanyak 257 data, cluster_1 sebanyak 75 data, dan cluster_2 sebanyak 55 data. Pada cluster_0 di dominasi oleh peserta lulusan SD sebanyak 173 data, untuk cluster_1 di dominasi oleh peserta tidak sekolah sebanyak 40 data, dan untuk cluster_2 di dominasi peserta tidak sekolah sebanyak 48 data. Pada cluster tersebut didapatkan nilai performa berdasarkan rata-rata avg. within centroid distance_cluster_0 adalah 6.720, avg. within centroid distance_cluster_1 adalah 14.373, avg. within centroid distance_cluster_2 adalah 8.496 dan Davies Bouildin Index adalah 0.816. Hasil penelitian ini diharapkan menjadi acuan bagi pengurus sekretariat PPKH dalam melaksanakan pendampingan masyarakat penerima Program Keluarga Harapan.References
Kementrian Sosial RI, “Peraturan Menteri Sosial Republik Indonesia Nomor 1 Tahun 2018 Tentang Program Keluarga Harapan Dengan Rahmat Tuhan Yang Maha Esa Menteri Sosial Republik INDONESIA, Menimbang,” 2018.
Z. A. Fakrulloh, “Dukcapil Kemendagri rilis data penduduk semester 1 tahun 2022, naik 0,54% dalam waktu 6 bulan,” Direktorat Jendral Kependudukan dan Pencatatan Sipil Kementerian Dalam Negeri. p. 1, 2022.
D. Nafkiyah, L. Rifatin, and M. R. Rozikin, “Analisis Cluster dalam Pengelompokan Kabupaten / Kota di Provinsi Jawa Timur berdasarkan Indikator Pendidikan,” J. Ilm. Mat. dan Pendidik. Mat., vol. 12, no. 1, pp. 1–16, 2022.
M. A. Muslim et al., “Buku Data Mining,” 2019.
F. Fajriani, “Persebaran Tingkat Kemiskinan di Sulawesi Selatan,” in Seminar Nasional Teknologi Informasi dan Komputer, 2019, pp. 276–281.
C. A. Sugianto, A. H. Rahayu, and A. Gusman, “Algoritma K-Means untuk Pengelompokkan Penyakit Pasien pada Puskesmas Cigugur Tengah,” J. Inf. Technol., vol. 2, no. 2, pp. 39–44, 2020, doi: 10.47292/joint.v2i2.30.
C. A. Sugianto and T. P. O. R. Bokings, “K-Means Algorithm For Clustering Poverty Data in Bangka Belitung Island Province,” J. Comput. Networks , Archit. High Perform. Comput., vol. 3, no. 1, pp. 58–67, 2021.
W. Widayani and H. Harliana, “Perbandingan Algoritma K-Means dan SFCM Pada Pengelompokkan Rumah Tangga Miskin,” J. Sains dan Inform., vol. 6, no. 1, pp. 1–9, 2020, doi: 10.34128/jsi.v6i1.200.
L. G. Rady Putra and A. Anggrawan, “Pengelompokan Penerima Bantuan Sosial Masyarakat dengan Metode K-Means,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 1, pp. 205–214, 2021, doi: 10.30812/matrik.v21i1.1554.
Y. Kusnadi and M. S. Putri, “Clustering Menggunakan Metode K-Means Untuk Menentukan Prioritas Penerima Bantuan Bedah Rumah (Studi Kasus : Desa Ciomas Bogor),” J. Teknol. Inform. dan Komput., vol. 7, no. 1, pp. 17–24, 2021, doi: 10.37012/jtik.v7i1.498.
S. A. Azis, S. Defit, and Y. Yunus, “Klasterisasi Dana Bantuan Pada Program Keluarga Harapan ( PKH ),” J. Inform. Ekon. Bisnis, vol. 3, pp. 53–59, 2021, doi: 10.37034/infeb.v3i2.66.
A. Muqoddam, “Pengelompokan Produksi Tambak Garam Dengan Metode Cluster K-Means Dan Optimasi Cluster Menggunakan Elbow (Studi Kasus: Dinas Kelautan Kabupaten Bangkalan),” Method. J. Tek. Inform. dan Sist. Inf., vol. 9, no. 1, pp. 45–49, 2023, doi: 10.46880/mtk.v9i1.1586.
M. Orisa, “Optimasi Cluster pada Algoritma K-Means,” in Prosiding SENIATI, 2022, pp. 430–437, doi: 10.36040/seniati.v6i2.5034.
Handrik, Kusrini, and Kusnawi, “Optimasi Penentuan Sentroid Awal Pada K-Means Untuk Meningkatkan Hasil Evaluasi Davies Bouldin Index.,” J. Inform. Teknol. dan Sains, vol. 6, no. 1, pp. 52–57, 2024.
R. Saputra and I. Purnama, “optimizing k-means algorithm with elbow and silhouette methods for national exam score data clustering.,” J. Ilmu Komput. Ruru, vol. 1, no. 1, pp. 1–6, 2024.
A. R. Lashiyanti, I. R. Munthe, and F. A. Nasution, “Optimisasi Klasterisasi Nilai Ujian Nasional dengan Pendekatan Algoritma K-Means, Elbow, dan Silhouette,” J. Ilmu Komput. dan Sist. Inf. (JIKOMSI, vol. 6, no. 1, pp. 14–20, 2023.
N. A. Maori and E. Evanita, “Metode Elbow dalam Optimasi Jumlah Cluster pada K-Means Clustering,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 14, no. 2, pp. 277–288, 2023, doi: 10.24176/simet.v14i2.9630.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Castaka Agus Sugianto, Keny Kirana Wanaziana
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
