Implementasi Algoritma K-Means Dalam Pengclusteran Penerima Dana Bantuan Langsung Tunai (BLT) Di Desa Mulyoharjo
DOI:
https://doi.org/10.53513/jursi.v5i3.10345Keywords:
Data Mining, Algoritma K-Means, Menentukan kelayakan penerima dana bantuan langsung tunaiAbstract
Bantuan langsung tunai adalah program bantuan pemerintah berjenis pemberian uang tunai atau beragam bantuan lainnya, baik bersyarat (conditional cash transfer) maupun tak bersyarat (unconditional cash transfer) untuk masyarakat miskin. Dari hasil observasi yang telah di lakukan melalui salah satu kepala desa di desa Mulyoharjo yang berada di suatu daerah pedalaman tepatnya di sulawesi tengah kabupaten banggai, terkait dengan penyaluran Bantuan Langsung tunai terungkap bahwa pemerintah desa merasa kesulitan dalam mengelompokan dan memilih keluarga yang menerima bantuan, di karnakan kurangnya sistem, akibatnya, dirasakan bahwa masih terdapat keluarga yang membutuhkan bantuan namun belum mendapat perhatian.Maka salah satu upaya dalam pengolahan bantuan data tersebut dapat dilakukan dengan menggunakan metode Data Mining dengan Algoritma K-Means Clustering. Dari hasil klasterisasi pada data yang di hasilkan pengelompokan data masyarakat desa Mulyoharjo kurang mampu dengan tiga cluster yaitu cluster kurang mampu, mampu, sangat mampu, dengan algoritma K-means clustering sebanyak 2 iterasi maka mendapatkan hasil pada cluster pertama sebanyak 32 kepala keluarga kurang mampu, pada cluster ke dua sebanyak 20 kepala keluarga mampu dan pada cluster ke tiga sebanyak 18 kepala keluarga sangat mampu. Dan terciptanya sebuah aplikasi data mining yang dapat digunakan untuk menetukan kelayakan penerima dana bantuan langsung tunai dengan menggunakan metode Algoritma K-Means
References
S. Stepani and E. A. Lestari, “Memprediksi Penerima Bantuan Langsung Tunai (BLT) Di Desa Tumbang Langkai,” J. Sains dan Teknol., vol. 3, no. 3, pp. 355–358, 2023, [Online]. Available: http://www.jurnal.minartis.com/index.php/jsit/article/view/1141%0Ahttp://www.jurnal.minartis.com/index.php/jsit/article/download/1141/1048
G. Sonia and R. A. Putri, “Penerapan Metode K-Means Clustering Untuk Mengelompokkan Data Kelayakan Penerima Bantuan Renovasi Rumah,” Build. Informatics, Technol. Sci., vol. 5, no. 2, pp. 442–455, 2023, doi: 10.47065/bits.v5i2.4298.
A. M. Sholihah, N. Suarna, G. Dwilestari, and N. R, “Implementasi Metode K-means Clustering Untuk Menganalisa Penerima Bantuan di Desa Palasah,” J. Inform. dan Teknol. Inf., vol. 1, no. 2, pp. 111–117, 2023, doi: 10.56854/jt.v1i2.121.
0, “Penerapan Metode Clustering K-Means Dalam Pendataan Kependudukan Di Desa Argamulya Kabupaten Kaur,” J. Innov. Informatics, vol. 2, pp. 223–238, 2023.
4, “Analisa Metode K-Means pada Pengelompokan Kriminalitas Menurut Wilayah,” pp. 620–625, 2019.
M. R. Alhapizi, M. Nasir, and I. Effendy, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru Universitas Bina Darma Palembang,” vol. 1, no. 1, pp. 1–14, 2020.
C. Zai, “IMPLEMENTASI DATA MINING SEBAGAI PENGOLAHAN DATA,” vol. 2, no. 3, pp. 1–12, 2022.
H. L. Sari and I. Y. Beti, “Penerapan Data Mining Dalam Pengelompokkan Buku Yang Dipinjam Menggunakan Algoritma K-Means,” vol. 3, no. 6, pp. 925–933, 2023, doi: 10.30865/klik.v3i6.826.
Y. A. Putri Kartikasari, Y. Agus Pranoto, and D. Rudhistiar, “Penerapan Metode K-Modes Untuk Proses Penentuan Penerima Bantuan Langsung Tunai (Blt),” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 1, pp. 389–397, 2021, doi: 10.36040/jati.v5i1.3300.
N. T. Luchia, H. Handayani, F. S. Hamdi, D. Erlangga, and S. F. Octavia, “Perbandingan K-Means dan K-Medoids Pada Pengelompokan Data Miskin di Indonesia,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 2, no. 2, pp. 35–41, 2022, doi: 10.57152/malcom.v2i2.422.
1, “Implementasi Data Mining untuk Manajemen Bantuan Sosial Menggunakan Algoritma K-Means,” J. Teknol. Inf., vol. 4, no. 2, pp. 208–217, 2020, doi: 10.36294/jurti.v4i2.2103.
Y. Filki, “Algoritma K-Means Clustering dalam Memprediksi Penerima Bantuan Langsung Tunai (BLT) Dana Desa,” J. Inform. Ekon. Bisnis, vol. 4, pp. 166–171, 2022, doi: 10.37034/infeb.v4i4.166.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)

This work is licensed under a Creative Commons Attribution 4.0 International License.














