Penerapan Algoritma k-Means pada Clustering Data Penduduk Miskin untuk Penghapusan Kemiskinan Ekstrem

Syaharani, Widya (2024) Penerapan Algoritma k-Means pada Clustering Data Penduduk Miskin untuk Penghapusan Kemiskinan Ekstrem. Sistemasi: Jurnal Sistem Informasi, 13 (4).

Text 4384-10409-1-PB.pdf Download (546kB)

Abstract

Kemiskinan merupakan salah satu permasalahan sosial yang hampir dihadapi oleh setiap negara didunia. Salah satu Faktor penyebab kemiskinan belum tertuntaskan yaitu dalam sebuah pelaksanaan kebijakan bantuan sosial survey yang dilakukan pemerintah terhadap masyarakat masih dilakukan secara manual sehingga tidak tepat sasaran. Maka, penelitian ini bertujuan untuk mengidentifikasi kriteria yang dimiliki oleh setiap kelompok masyarakat miskin yang dihasilkan dari pengelompokan data menggunakan algoritma K-Means clustering. Dengan menerapkan algoritma K-Means clustering pada data Pensasaran Percepatan Penghapusan Kemiskinan Ekstrem (P3KE) Desa Sei Litur Tasik dan memodelkan clustering data penduduk miskin Desa Sei Litur Tasik. Hasil pengujian dan evaluasi model K-Means Clustering pada data Percepatan Penghapusan Kemiskinan Ekstrem (P3KE) ditetapkan menjadi 2 klaster yang optimal dengan nilai interia 0,40 menggunakan metode pengujian Silhouette Score dimana cluster 1 kategori kaya sebanyak 366 keluarga dan cluster 2 kategori miskin sebanyak 60 keluarga. Pemodelan rancangan sistem pengelompokan data dengan menggunakan metode K-Means clustering dilakukan pada Google Colaboratory serta dibantu dengan pustaka-pustaka pendukung. Hasil penelitian menunjukkan accuracy K-Means clustering sebesar 85,92% yang berarti bahwa accuracy dari data yang dianalisis dapat dengan tepat dikelompokkan ke dalam kategori cluster yang sesuai.

Jenis Item:	Artikel
Subjects:	300 Social sciences > 305 Social groups
Divisions:	Fakultas Sains dan Teknologi > Ilmu Komputer
Pengguna yang mendeposit:	Mrs Siti Masitah
Date Deposited:	23 Jan 2025 03:05
Last Modified:	23 Jan 2025 03:05
URI:	http://repository.uinsu.ac.id/id/eprint/23785

Actions (login required)

View Item