SISTEM INFORMASI GEOGRAFIS PEMETAAN WARGA KURANG MAMPU DI KELURAHAN KARANG BESUKI MENGGUNAKAN METODE K-MEANS CLUSTERING

  • Muhammad Ali Hasymi Teknik Informatika, Institut Teknologi Nasional Malang
  • Ahmad Faisol Teknik Informatika, Institut Teknologi Nasional Malang
  • FX. Ariwibisono Teknik Informatika, Institut Teknologi Nasional Malang
Keywords: Sistem Informasi Geografis, Bantuan Sosial, K-Means

Abstract

Kemiskinan menjadi salah satu permasalahan di negara berkembang, bantuan sosial merupakan salah satu cara untuk mengurangi tingkat kemiskinan. Dalam penerapannya masih ada penerima bantuan sosial yang kurang tepat sasaran dikarenakan penggunaan data yang kurang maksimal serta minimnya informasi dan letak geografis, termasuk di Kelurahan Karangbesuki. Sebagai solusi masalah ini, diperlukan sistem informasi geografis yang menampilkan informasi mengenai pemetaan warga kurang mampu, diharapkan dengan adanya sistem informasi geografis tersebut dapat memberikan informasi dan mengelompokkan warga kurang mampu, serta mengetahui lokasi warga kurang mampu.

 Sistem yang akan dibangun yaitu sistem informasi geografis pemetaan warga kurang mampu meng-gunakan metode clustering serta dikombinasikan dengan QGIS 2.18. Metode clustering yang digunakan dalam sistem ini adalah metode K-Means clustering, kriteria yang digunakan pada pengelompokan data berupa umur, pekerjaan, pendidikan dan tanggungan keluarga.

Dari hasil pengujian sistem informasi geografis  menggunakan K-Means Clustering dengan 3 cluster untuk pengelompokan warga di kelurahan Karangbesuki, dengan menggunakan 325 sampel data, terdapat hasil pengelompokan sebanyak 178  (55%) warga yang tidak layak menerima bantuan, 99 (30%)  warga yang kurang layak menerima bantuan dan 48 (15%) warga yang layak menerima bantuan. Berdasarkan  hasul pengujian kinerja sistem dengan membandingkan pengelompokan secara manual atau data lama dengan pengelompokan pada sistem, sistem ini cukup baik dalam mengklasifikasi warga kurang mampu dengan tingkat akurasi 91%.

Downloads

Download data is not yet available.
Published
2021-02-28