Model Pengelompokkan Penerima Bantuan Sosial PKH dengan Teknik Data Mining
DOI:
https://doi.org/10.30865/json.v7i2.9170Keywords:
PKH; Data Mining; K-Means; Pengelompokkan; Bantuan Sosial; Sistem Pendukung Keputusan.Abstract
Program Keluarga Harapan (PKH) merupakan bantuan sosial yang diberikan kepada keluarga kurang mampu, namun proses penentuan penerima masih sering menghadapi kendala karena banyaknya data dan belum optimalnya analisis terhadap karakteristik calon penerima. Penelitian ini menerapkan teknik data mining K-Means clustering untuk mengelompokkan penerima bantuan sosial PKH di Kantor Camat Medan Labuhan berdasarkan sejumlah indikator sosial-ekonomi. Metode K-Means digunakan untuk menghasilkan pola pengelompokan yang dapat membantu perangkat kecamatan dalam memetakan tingkat kelayakan penerima bantuan secara lebih objektif. Kontribusi penelitian ini adalah menyediakan model pengelompokan yang dapat dijadikan alat bantu pendukung keputusan dalam proses penentuan prioritas penerima PKH. Hasil penelitian menunjukkan bahwa data dapat terbagi ke dalam beberapa kelompok yang menggambarkan variasi tingkat kebutuhan dan kondisi ekonomi masyarakat. Keterbatasan penelitian ini terletak pada cakupan data yang hanya berasal dari satu kecamatan dan variabel yang digunakan masih terbatas pada data administratif yang tersedia. Hasil pengujian menunjukkan bahwa model menghasilkan akurasi sebesar 92%, presisi 96,67%, recall 90,63%, dan F1-score 93,52%. Dengan penerapan sistem ini, proses seleksi penerima bantuan dapat dilakukan secara lebih cepat, transparan, dan tepat sasaran.
References
R. R. A. Aria, S. Susilowati, and I. R. Rahadjeng, “Data Mining Menentukan Cluster Penerima Program Bantuan dengan Metode K-Means,” Remik, vol. 7, no. 1, pp. 291–300, 2023, doi: 10.33395/remik.v7i1.12030.
C. O. Putri, D. M. Efendi, and R. Rustam, “Classification of Social Assistance Recipients Using Machine Learning,” PIKSEL Penelit. Ilmu Komput. Sist. Embed. Log., vol. 12, no. 2, pp. 241–250, 2024, doi: 10.33558/piksel.v12i2.9550.
E. Moruk, M. Martanto, and U. Hayati, “Algoritma K-Means Untuk Clustering Penerima Program Keluarga Harapan Di Nanaenoe Nusa Tenggara Timur,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1681–1687, 2024, doi: 10.36040/jati.v8i2.9148.
Y. Filki, “Algoritma K-Means Clustering dalam Memprediksi Penerima Bantuan Langsung Tunai (BLT) Dana Desa,” J. Inform. Ekon. Bisnis, vol. 4, pp. 166–171, 2022, doi: 10.37034/infeb.v4i4.166.
A. I. Purnama, A. Aziz, and A. S. Wiguna, “Penerapan Data Mining Untuk Mengklasifikasi Penerima Bantuan Pkh Desa Wae Jare Menggunakan Metode Naïve Bayes,” Kurawal - J. Teknol. Inf. dan Ind., vol. 3, no. 2, pp. 173–180, 2020, doi: 10.33479/kurawal.v3i2.348.
R. Andrea and N. Nursobah, “Penerapan Algoritma K-Medoids Untuk Pengelompokan Data Penerima Bantuan Uang Kuliah Tunggal Bagi Mahasiswa Terdampak Covid-19,” Build. Informatics, Technol. Sci., vol. 3, no. 4, pp. 632–638, 2022, doi: 10.47065/bits.v3i4.1294.
L. G. Rady Putra and A. Anggrawan, “Pengelompokan Penerima Bantuan Sosial Masyarakat dengan Metode K-Means,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 1, pp. 205–214, 2021, doi: 10.30812/matrik.v21i1.1554.
M. Khandava Mulyadien and U. Enri, “Algoritma K-Means Untuk Pengelompokan Bantuan Langsung Tunai (BLT),” J. Ilm. Wahana Pendidik., vol. 2022, no. 12, pp. 198–210, 2022.
C. J. Siti Mariam, Fitri Handayani, “Penerapan Algoritma Clustering K-Means Untuk Menentukan Prioritas Penerima Bantuan Rumah Akibat Bencana Alam,” J. Tek. Inform. dan Sist. Inf., vol. 10, no. 2, pp. 231–240, 2023.
D. Utami, P. Aisyiyah, and R. Devi, “544186584,” vol. 07, pp. 1373–1384, 2022.
D. Bahtiar et al., “Pemetaan Penduduk Penerima Bantuan Sosial Desa Waru Jaya Menggunakan Algoritma K-Means Clustering,” Sci. Sacra J. Sains, vol. 3, no. 2, pp. 29–39, 2023, [Online]. Available: http://pijarpemikiran.com/index.php/Scientia
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.
N. A. Maori, “Metode Elbow dalam Optimalisasi Jumlah Cluster pada K-Means Clustering,” J. SIMETRIS, vol. 14, no. 2, pp. 277–287, 2023.
B. Susarianto and T. Nizami, “Penentuan Penerima Bantuan Sosial Beras untuk Masyarakat Miskin Menggunakan Metode K-Means,” Jutisi J. Ilm. Tek. Inform. dan Sist. Inf., vol. 12, no. 2, p. 772, 2023, doi: 10.35889/jutisi.v12i2.1424.
N. Siti Paridah and M. Martanto, “Klasterisasi Penerima Dana Bantuan Program Keluarga Harapan Menggunakan Metode K-Means Pada Desa Gereba,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 1036–1043, 2024, doi: 10.36040/jati.v8i1.8873.
E. Dwiguna and A. Bahtiar, “Penerapan Data Mining Untuk Menentukan Penerima Bantuan Blt Menggunakan Metode Clustering K-Means Pada Desa Pamulihan,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1382–1388, 2024, doi: 10.36040/jati.v8i2.9029.
Renaldi, G., & Tanti, L. (2024, December). Penerapan Data Mining Dalam Sistem Penilaian Kinerja Karyawan Menggunakan Metode Algoritma C4. 5 Pada Pt Raharja Sinergi Komunikasi. In PROSIDING SEMINAR NASIONAL MULTI DISIPLIN ILMU (SENADIMU) (Vol. 1, No. 1, pp. 447-459).
Thanri, Y. Y., Iriani, J., Tanti, L., & Mukti, S. (2025). PENERAPAN ALGORITMA C4. 5 DALAM KLASIFIKASI KUALITAS BUAH PISANG BERDASARKAN KARAKTERISTIK FISIK DAN ORGANOLEPTIK: APPLICATION OF THE C4. 5 ALGORITHM IN CLASSIFYING BANANA FRUIT QUALITY BASED ON PHYSICAL AND ORGANOLEPTIC CHARACTERISTICS. Journal of Computer Science and Technology Research (J-CSTR), 1(2), 64-72.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Sistem Komputer dan Informatika (JSON)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
This work is licensed under a Creative Commons Attribution 4.0 International License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
