Application of k-Means Algorithm on Clustering Poor Population Data for Extreme Poverty Elimination

Widya Syaharani; Sriani Sriani

doi:10.32520/stmsi.v13i4.4384

Application of k-Means Algorithm on Clustering Poor Population Data for Extreme Poverty Elimination

Widya Syaharani, Sriani Sriani

Abstract

Poverty is one of the social problems faced by almost every country in the world. One of the factors causing poverty has not been resolved, namely in an implementation of social assistance policies, the government's survey of the community is still carried out manually so that it is not right on target. So, this research aims to identify the criteria possessed by each group of poor people resulting from data grouping using the K-Means clustering algorithm. By applying the K-Means clustering algorithm to the data of the Targeting for the Acceleration of the Elimination of Extreme Poverty (P3KE) of Sei Litur Tasik Village and modeling the data clustering of the poor population of Sei Litur Tasik Village. The results of testing and evaluating the K-Means Clustering model on the data of the Acceleration of the Elimination of Extreme Poverty (P3KE) are determined to be 2 optimal clusters with an interia value of 0.40 using the Silhouette Score testing method where cluster 1 rich category is 366 families and cluster 2 poor category is 60 families. Modeling of the data clustering system design using the K-Means clustering method was carried out on Google Collaboratory and assisted by supporting literature. The results showed the accuracy of K-Means clustering of 85.92% which means that the accuracy of the analyzed data can be correctly grouped into the appropriate cluster category.

Full Text:

PDF

References

Y. R. Sembiring, Saifullah, and R. Winanjaya, “Implementasi Data Mining Dalam Mengelompokkan Jumlah Penduduk Miskin Berdasarkan Provinsi Menggunakan Algoritma,” KESATRIA J. Penerapan Sist. Inf. (Komputer Manajemen) Vol., vol. 2, no. 2, pp. 125–132, 2021.

N. Novitasari, N. D. Nuris, and R. Herdiana, “Penerapan Algoritma k-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten Di Jawa Barat Menggunakan Rapidminer,” J. Inform. Terpadu, vol. 9, no. 1, pp. 68–73, 2023.

Suhartini and R. Yuliani, “Infotek : Jurnal Informatika dan Teknologi Penerapan Data Mining untuk Mengcluster Data Penduduk Miskin Menggunakan Algoritma K- Means di Dusun Bagik Endep Sukamulia Timur Infotek : Jurnal Informatika dan Teknologi Pendahuluan masalah kemiskanan belum bis,” Infotek J. Inform. dan Teknol., vol. 4, no. 1, pp. 39–50, 2021.

F. I. Putri, R. Damayanti, and Kismiantini, “Penerapan Algoritma k-Means Untuk Mengelompokkan Kecamatan Di Kabupaten Gunung Kidul Berdasarkan Program Keluarga Harapan,” in Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya, Kedua.Samarinda, 2022, pp. 408–418.

H. Kurniawan, S. Defit, and Sumijan, “Data Mining Menggunakan Metode k-Means Clustering Untuk Menentukan Besaran Uang Kuliah Tunggal,” J. Appl. Comput. Sci. Technol., vol. 1, no. 2, pp. 80–89, 2020.

U. Syafiyah, D. P. Puspitasari, I. Asrafi, B. Wicaksono, and F. M. Sirait, Analisis Perbandingan Hierarchical dan Non-Hierarchical Clustering Pada Data Indikator Ketenagakerjaan di Jawa Barat Tahun 2020. 2022. doi: 10.34123/semnasoffstat.v2022i1.1221.

W. Wahyu Pribadi, A. Yunus, and A. S. Wiguna, “Perbandingan Metode k-Means Euclidean Distance Dan Manhattan Distance Pada Penentuan Zonasi Covid-19 Di Kabupaten Malang,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 493–500, 2022, doi: 10.36040/jati.v6i2.4808.

Parjito and Permata, “Penerapan Data Mining untuk Clustering Data Penduduk Miskin Menggunakan Metode k-Means,” J. Inform., vol. 3, no. 1, pp. 31–37, 2021.

E. A. Putri, S. Muchsin, and Hayat, “Evaluasi Pelaksaan Program Bantuan Sosial Bagi Masyarakat Terdampak Di Era Pandemi Covid-19 (Di Desa Kersik Putih Kecamatan Batulicin Kabupaten Tanah Bumbu),” J. Inov. Penelit., vol. 1, no. 12, pp. 2851–2860, 2021.

I. D. Id, MACHINE LEARNING: Teori, Studi Kasus dan Implementasi Menggunakan Python. 2021. doi: 10.5281/zenodo.5113507.

S. N. Mayasari and J. Nugraha, “Implementasi k-Means Cluster Analysis untuk Mengelompokkan Kabupaten / Kota Berdasarkan Data Kemiskinan di Provinsi Jawa Tengah Tahun 2022,” KONSTELASI Konvergensi Teknol. dan Sist. Inf. Vol., vol. 3, no. 2, pp. 317–329, 2023.

N. I. Febianto and N. D. Palasara, “Analisis Clustering k-Means Pada Data Informasi Kemiskinan Di Jawa Barat Tahun 2018,” J. SISFOKOM, vol. 08, no. 02, pp. 130–140, 2019.

A. Adji et al., Pemeringkatan Kesejahteraan Data Pensasaran Percepatan Penghapusan Kemiskinan Ekstrem (P3KE), Pertama. Jakarta Pusat: Tim Nasional Percepatan Penanggulangan Kemiskinan, 2022.

E. Yolanda and Suhardi, “Penerapan Algoritma k-Means Clustering Untuk Pengelompokan Data Pasien Rehabilitasi Narkoba,” J. Kaji. Ilm. Inform. dan Komput., vol. 4, no. 1, pp. 182–191, 2023, doi: 10.30865/klik.v4i1.1107.

F. Febriansyah and S. Muntari, “Penerapan Algoritma k-Means untuk Klasterisasi Penduduk Miskin pada Kota Pagar Alam,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 8, no. 1, pp. 66–77, 2023, doi: 10.14421/jiska.2023.8.1.66-77.

M. Siahaan, “Data Mining Strategi Pembangunan Infrastruktur Menggunakan Algoritma k-Means,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 11, no. 3, pp. 316–324, 2022, doi: 10.32736/sisfokom.v11i3.1453.

T. Nafsiah Muthmainnah, S. Indriyana, U. Enri, J. Sistem Informasi, F. Ilmu Komputer, and U. Singaperbangsa Karawang, “Penerapan Algoritme k-Means Dalam Mengelompokkan Data Pengangguran Terbuka Di Provinsi Jawa Barat,” J. Inform. dan Rekayasa Perangkat Lunak, vol. 5, no. 2, pp. 122–129, 2023.

R. Rosmini, A. Fadlil, and S. Sunardi, “Implementasi Metode k-Means Dalam Pemetaan Kelompok Mahasiswa Melalui Data Aktivitas Kuliah,” It J. Res. Dev., vol. 3, no. 1, pp. 22–31, 2018, doi: 10.25299/itjrd.2018.vol3(1).1773.

M. Harahap, A. W. D. R. Zamili, M. A. Arvansyah, E. F. Saragih, S. Rajen, and A. M. Husein, “k-Means Clustering Algorithm Approach in Clustering Data on Cocoa Production Results in the Sumatra Region,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 6, no. 6, pp. 905–910, 2022, doi: 10.29207/resti.v6i6.4199.

A. N. Nursia, W. Ramdhan, and W. M. Kifti, “Analisis Kelayakan Penerima Bantuan Covid-19 Menggunakan Metode K–Means,” Build. Informatics, Technol. Sci., vol. 3, no. 4, pp. 574–583, 2022, doi: 10.47065/bits.v3i4.1399.

A. Ali, “Klasterisasi Data Rekam Medis Pasien Menggunakan Metode k-Means Clustering di Rumah Sakit Anwar Medika Balong Bendo Sidoarjo,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 19, no. 1, pp. 186–195, 2019, doi: 10.30812/matrik.v19i1.529.

F. Nurdiyansyah and I. Akbar, “Implementasi Algoritma k-Means untuk Menentukan Persediaan Barang pada Poultry Shop,” J. Teknol. dan Manaj. Inform., vol. 7, no. 2, pp. 86–94, 2021, doi: 10.26905/jtmi.v7i2.6377.

T. Hardiani, “Analisis Clustering Kasus Covid 19 di Indonesia Menggunakan Algoritma k-Means,” J. Nas. Pendidik. Tek. Inform., vol. 11, no. 2, pp. 156–165, 2022, doi: 10.23887/janapati.v11i2.45376.

DOI: https://doi.org/10.32520/stmsi.v13i4.4384

Article Metrics

Abstract view : 167 times
PDF - 59 times

Refbacks

There are currently no refbacks.

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

Username
Password
Remember me