Sosialisasi Pemilihan Prioritas Penerima Bantuan Dana Sosial Menggunakan Algoritma Clustering di Kelurahan Tengah Kecamatan Pelayangan
DOI:
https://doi.org/10.57152/batik.v2i3.1724Kata Kunci:
Clustering, Dana Sosial, Pemilihan Prioritas, SosialisasiAbstrak
Kemiskinan menjadi salah satu masalah yang harus diberantas. Salah satu kebijakan pemerintah untuk pengentasan kemiskinan adalah pemberian bantuan dana sosial. Tidak hanya dengan sekedar memberikan bantuan dana sosial, namun pemerintah harus mempertimbangkan kelayakan penerima bantuan sosial tersebut. Sejak tahun 2021-2023 tercacat angka kemiskinan di Provinsi Jambi diatas 250 ribu jiwa setiap tahunnya. Dari beberapa kabupaten/kota yang terdapat di Provinsi Jambi, Kota Jambi penyumbang jumlah kemiskinan terbesar. Kelurahan Tengah merupakan salah satu kelurahan yang berada di Kecamatan Pelayangan, Kota Jambi. Sebagai upaya mendukung pemberian bantuan sosial yang tepat sasaran, digunakanlah algoritma clustering yang membantu mengelompokkan objek berdasarkan pada karakteristik tertentu. Salah satu metode analisis pada algoritma clustering yaitu algoritma K-Means. Kegiatan pengabdian kepada masyarakat ini dalam bentuk sosialisasi penggunaan algoritma clustering untuk membantu perangkat Kelurahan Tengah mengelompokkan data penerima bantuan sosial yang layak. Kegiatan tersebut diikuti oleh oleh staf/operator dan ketua RT di Kelurahan Tengah. Berdasarkan evaluasi, sebanyak 72,7% dari peserta yang hadir menyatakan sangat puas dengan kegiatan sosialisasi penggunaan algoritma clustering, selain itu mereka menyatakan kegiatan ini sangat bermanfaat dalam menunjang keputusan pemilihan prioritas penerima bantuan dana sosial di Kelurahan Tengah
Referensi
G. Regulation, “Peraturan Pemerintah Republik Indonesia Nomor 82 Tahun 2001,” Jakarta Peratur. [1] World Bank Institute. 2004. Dasar-dasar Analisi Kemiskinan. Edisi Terjemahan. Badan Pusat Statistik, Jakarta.
https://jambi.bps.go.id/. Diakses 1 Maret 2023.
BPS Provinsi Jambi. (2023). Provinsi Jambi Dalam Angka 2022 Jambi Province In Figures 2023. Jambi: BPS Provinsi Jambi.
http://www.bpkp.go.id. Diakses 20 Maret 2023.
Widayat. (2018). Statistika Multivariat. Malang: UMM Press.
Lasheng, C., & Yuqiang, L. (2017). Improved Initial Clustering Center Selection Algorithm for K-Means. Signal Processing: Algorithms, Architectures, Arrangements, and Application (SPA) (pp. 275-279). Poznan: IEEE.
Dean, J. (2014). Big Data, Data Mining, and Machine Learning. New Jersey: John Wiley and Sons.
Ruhiman, B., Ramdan, A., & Juliane, C. (2022). Algorithm K-Means Clustering Algorithm to Classify the Level of Legal Information Service Objectives in West Java Province: K-Means Clustering Algorithm to Classify the Level of Legal Information Service Objectives in West Java Province. Jurnal Komputer Terapan, 8(1), 178–185. https://doi.org/10.35143/jkt.v8i1.5209.
Muzakir, A. (2014). Analisa dan Pemanfaatan Algoritma K-Means Clustering pada Data Nilai Siswa Sebagi Penentuan Penerima Beasiswa. Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST) (pp. A-196). Yogyakarta: Binadarma.
Wu, Ruobing. (2024). Behavioral analysis of electricity consumption characteristics for customer groups using the k-means algorithm. Systems and Soft Computing, Vol. 6, 01-08. https://doi.org/10.1016/j.sasc.2024.200143.
Beiranvand, Behrang., Rajaee, Taher., Komasi, Mehdi. (2024). Comparison of K-means and FCM algorithms to optimize spatiotemporal pore pressure prediction of earth dams. Results in Engineering.. Vol.24, 1-11. https://doi.org/10.1016/j.rineng.2024.103377.
Abdullahi, Muhammad Rabiu., Lu, Qing-Chang., Hussain, Adil., Tripura, Sajib., Xu, Peng-Cheng., Wang, ShiXin. (2024). Location optimization of EV charging stations: A custom K-means cluster algorithm approach. Energy Reports. Vol.12, 5367-5382. https://doi.org/10.1016/j.egyr.2024.09.075.
Ediyanto, Mara, M. N., & Satyahadewi, N. (2013). Pengklasifikasian Karakteristik dengan Metode K-Means Cluster Analysis. Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster), Vol. 2, No. 2.
Suraya, S., Sholeh, M., & Lestari, U. (2023). Evaluation of Data Clustering Accuracy using K-Means Algorithm. International Journal of Multidisciplinary Approach Research and Science, 2(01), 385–396. https://doi.org/10.59653/ijmars.v2i01.504
Chen, Yafeng., Tan, Pingan., Li, Mu., Yin, Han., & Tang, Rui. (2024). K-means clustering method based on nearest-neighbor density matrix for customer electricity behavior analysis. International Journal of Electrical Power & Energy Systems.Vol.161, 1-19. https://doi.org/10.1016/j.ijepes.2024.110165.
