Implementasi Data Mining Dalam Mengelompokkan Data penduduk Kurang Mampu Menggunakan Metode K-Means Clustering
DOI:
https://doi.org/10.53513/jursi.v2i6.8965Abstract
Penduduk kurang mampu merupakan permasalahan bangsa yang sangat mendesak dan sering kali di tandai dengan tingginya tingkat pengangguran dan keterbelakangan. Salah satu aspek penting untuk mendukung langkah – langkah penanggulangan dalam penanganan penduduk kurang mampu, pemerintah dapat juga melakukan evaluasi kebijakannya terhadap penduduk serta membandingkan data penduduk kurang mampu antar waktu dan daerah serta menentukan targetnya agar dapat bisa menyelesaikan masalah yang di alami penduduk. Data mining merupakan istilah dari pattern recognition merupakan metode yang di gunakan untuk pengelolaan data yang akan di gunakan, untuk menemukan pola yang tersembunyi dari pengelolaan data. Algoritma K-Means merupakan salah satu metode yang menggunakan konsep descriptive dan dapat digunakan untuk menerapkan suatu algoritma dalam penentuan suatu objek kedalam cluster tertuntu. Hasil penelitian ini bermanfaat bagi Desa Hiliwaele II dan dapat dikategorikan sebagai suatu proses pengelompokkan record, observasi, atau mengelompokkan data yang memiliki kesamaan objek, dengan klasifikasi tidak ada variabel target dalam melakukan pengelompokan pada proses clustering.References
F. Andrianti and R. Firmansyah, “Penerapan Clustering Data Kurang Mampu Di Desa Situmekar Menggunakan Algoritma K-Means,†vol. 1, no. 1, p. 88, 2020, [Online]. Available: http://eprosiding.ars.ac.id/index.php/pti
I. Nasution, A. P. Windarto, and M. Fauzan, “Penerapan Algoritma K-Means Dalam Pengelompokan Data Penduduk Miskin Menurut Provinsi,†Build. Informatics, Technol. Sci., vol. 2, no. 2, pp. 76–83, 2020, doi: 10.47065/bits.v2i2.492.
J. Arianto, “Penerapan Data Mining Untuk Pengelompokan Penduduk Kurang Mampu Desa Sambirejo Timur Dengan Algoritma K-Medoids ( Studi Kasus Kantor Kepala Desa Sambirejo Timur ),†vol. 3, pp. 569–573, 2019, doi: 10.30865/komik.v3i1.1660.
R. J. HOSTING, “Data Mining: Pengertian, Fungsi, Metode & Penerapannya,†jagoan hosting, 2022. https://www.jagoanhosting.com/blog/
C. J. Silalahi, A. Situmorang, and J. F. Naibaho, “Implementasi Metode K-Means Clustering Untuk Memetakan Daerah Potensial Penghasil Padi di Provinsi Sumatera Utara,†vol. 2, pp. 49–57, 2022.
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.
J. Hutagalung and F. Sonata, “Penerapan Metode K-Means Untuk Menganalisis Minat Nasabah Asuransi,†J. MEDIA Inform. BUDIDARMA, vol. 5, no. 3, pp. 1187–1194, 2021, doi: 10.30865/mib.v5i3.3113.
B. Fibriyanti, “Penerapan Algoritma K-Means Untuk Menentukan Prioritas Penerimaan Bantuan PKH,†vol. 2, no. 12, pp. 1–19, 2022.
N. Sepriyanti, R. S. Nahampun, and M. H. Zikri, “Implementation of K-Means Clustering to Group Poverty Levels in Riau Province Penerapan K-Means Clustering Untuk Mengelompokkan Tingkat Kemiskinan di Provinsi Riau,†pp. 59–65, 2022.
S. N. Br Sembiring, H. Winata, and S. Kusnasari, “Pengelompokan Prestasi Siswa Menggunakan Algoritma K-Means,†J. Sist. Inf. Triguna Dharma (JURSI TGD), vol. 1, no. 1, p. 31, 2022, doi: 10.53513/jursi.v1i1.4784.
C. Satria and A. Anggrawan, “Aplikasi K-Means berbasis Web untuk Klasifikasi Kelas Unggulan,†MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 1, pp. 111–124, 2021, doi: 10.30812/matrik.v21i1.1473.
T. Noviana, J. Jasmir, and Y. Novianto, “Penerapan Data Mining Menentukan Kelompok Prioritas Penerima Bantuan Beras Rastra Dengan Clustering K-Means,†Progr. Stud. Tek. Inform. Stikom Din. Bangsa, pp. 159–174, 2019.
J. Hutagalung, N. L. W. S. R. Ginantra, G. W. Bhawika, W. G. S. Parwita, A. Wanto, and P. D. Panjaitan, “COVID-19 Cases and Deaths in Southeast Asia Clustering using K-Means Algorithm,†J. Phys. Conf. Ser., vol. 1783, no. 1, pp. 1–6, 2021, doi: 10.1088/1742-6596/1783/1/012027.
