Optimalisasi Penyaluran Bantuan Sosial Menggunakan Metode K-Means Clustering

Wibisana, Made Meiisa (2024) Optimalisasi Penyaluran Bantuan Sosial Menggunakan Metode K-Means Clustering. Undergraduate thesis, Politeknik Negeri Bali.

	Text (Full Text) RAMA_58302_2015354014_full.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy
	Text (Cover - Bab 1, Bab 5 dan Referensi) RAMA_58302_2015354014_0017038002_0808119003_part.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (615kB)
	Text (iThenticate) RAMA_58302_2015354014_iThenticate.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Penelitian ini membahas optimalisasi penyaluran bantuan sosial dengan tujuan untuk membangun model pengelompokan data masyarakat layak penerima bantuan sosial dan menguji model pengelompokan data masyarakat layak penerima bantuan sosial. Latar belakang penelitian ini berfokus pada bagaimana membangun dan menguji model KMens clustering dan bertujuan untuk meningkatkan transparansi dan mengoptimalkan penyaluran bantuan sosial kepada masyarakat .Untuk mencapai tujuan tersebut, model yang digunakan adalah model clustering, dimana clustering merupakan metode unsupervised sehingga tidak memerlukan data latih untuk melakukan pengelompokan masyarakat, ada pula K-Means sebagai metode yang digunakan untuk mengelompokkan masyarakat. Dimana K-Means menekankan pada kedekatan cluster dengan centroidnya dengan menggunakan Eucledian Distace sebagai penentu kedekatan cluster dengan centroidnya serta Davies Bouldin Index sebagai metode uji kedekatan cluster dengan centroidnya. Data yang digunakan dalam penelitian ini merupakahan data hasil kuesioner yang dimana kriteria-kriteria (feature) yang digunakan sebagai dasar penentuan kelayakan penerima bansos didasarkan pada per Mensos RI nomor 262/HUK/2022 yang meliputi Pekerjaan kepala keluarga, Penghasilan per bulan, Pernah khawatir tidak makan dalam satu bulan, Pengeluaran kebutuhan makan dalam satu bulan melebih setengah dari penghasilan selama satu bulan, Frekuensi membeli pakaian dalam satu tahun, Kepemilikan rumah, Dinding rumah, Lantai rumah, Kepemilikan sanitasi, Daya listrik. Hasil penelitian menghasilkan DBI score sebesar 0.69, yang mengindikasikan hasil model clustering cukup baik. Penelitian ini memberikan wawasan baru tentang model clustering serta penentuan masyarakat dalam penerimaan bantuan sosial dan menyarankan untuk membandingkan metode K-Means dengan metode clustering lainnya.

Actions (login required)

View Item