Impelementasi Data Mining Untuk Clustering Penduduk Miskin Di Desa Setrohadi Menggunakan Algoritma Pillar K-Means

Perdana, Rafly Aditiya (2024) Impelementasi Data Mining Untuk Clustering Penduduk Miskin Di Desa Setrohadi Menggunakan Algoritma Pillar K-Means. JATI (Jurnal Mahasiswa Teknik Informatika), 8 (3). pp. 3780-3787. ISSN 2598-828X

[img] Text
HALAMAN PERSETUJUAN PUBLIKASI JURNAL.pdf

Download (908kB)
[img] Text (Artikel Publikasi)
9796-Article Text-38792-1-10-20240614.pdf

Download (385kB)
Official URL: https://ejournal.itn.ac.id/index.php/jati/article/...

Abstract

Kemiskinan adalah keadaan dimana terjadi ketidakmampuan untuk memenuhi kebutuhan dasar seperti makanan, pakaian, tempat berlindung, pendidikan, dan Kesehatan. Masalah kemiskinan masih menjadi perhatian penting yang harus ditindaklanjuti oleh pemerintah. Menurut salah satu masyarakat di Desa Setrohadi, terdapat masalah penyaluran bantuan yang kurang merata dan tepat sasaran. Hal tersebut disebabkan karena kurangnya ketelitian serta rumitnya pengelolahan data dalam menentukan penduduk miskin yang menjadi prioritas utama penerima bantuan serta belum tersedianya sistem yang dapat digunakan untuk mengetahui penduduk miskin di Desa Setrohadi berdasarkan kriteria yang sudah ditentukan, dari permasalahan tersebut dapat dibuat Sistem Pengelompokkan Penduduk Miskin Berbasis Web Menggunakan Metode Pillar K-Means. Dimana sistem yang digunakan dapat memberikan informasi mengenai pemetaan hasil klasterisasi data yang proses clusteringnya menggunakan metode Pillar K-Means, yang nantinya dapat membantu pihak desa dalam mengelompokkan penduduk yang tergolong miskin dan data yang diperoleh lebih akurat. Hasil pengelompokkan data penduduk miskin di Desa Setrohadi menggunakan Algoritma Pillar K-Means dengan 2 cluster, cluster 1 berjumlah 127 data kepala keluarga dan cluster 2 berjumlah 96 data kepala keluarga dengan nilai evaluasi performa menggunakan DBI didapatkan hasil 0,9911.

Item Type: Article
Uncontrolled Keywords: Pillar Algorithm, K-Means Algorithm,Data Mining, Clustering, Poor Residents.
Subjects: Engineering > Informatics Engineering
Engineering
Divisions: Faculty of Engineering > Informatics Engineering Study Program
Depositing User: Rafly Aditiya Perdana
Date Deposited: 30 Jul 2024 02:30
Last Modified: 30 Jul 2024 02:30
URI: http://eprints.umg.ac.id/id/eprint/10852

Actions (login required)

View Item View Item