PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN PENERIMA BANTUAN SOSIAL TUNAI (BST) DI JAWA BARAT

Abstract

Bantuan Sosial Tunai (BST) adalah program bantuan dari pemerintah yang diberikan kepada masyarakat  yang kurang mampu dengan tujuan untuk membantu meringankan beban keluarga penerima BST tersebut. Namun bantuan yang telah diterima tidak sesuai dengan apa yang diharapkan, masih ada beberapa keluarga yang tidak mendapatkan manfaat dari adanya BST ini.  Karena data yang didapatkan tidak akurat atau tidak lengkap, ditemukan beberapa kasus penerima BST yang tidak tepat sasaran. Analisis pengelompokkan penerima Bantuan Sosial Tunai (BST) berdasarkan lokasi dengan metode K-Means Clustering memiliki manfaat besar dalam meningkatkan efisiensi alokasi sumber daya dan menentukan penerima yang tepat sasaran di Jawa Barat. Dengan memahami pola distribusi penerima BST secara geografis, program bantuan sosial dapat dijalankan dengan lebih efektif untuk meningkatkan kesejahteraan sosial dan mengurangi tingkat kemiskinan di daerah tersebut. Data penelitian ini diambil dari opendata.jabarprov.go.id. Data ini mencakup lokasi penerima, jumlah penerima dan data pendukung lainnya. Kemudian pengelompokkan akan dilakukan dengan K-Means Clustering menggunakan RapidMiner. Dengan adanya penelitian ini bisa menambah pengetahuan dalam menganalisis data dengan menggunakan metode K-Means Clustering dalam pengambilan keputusan yang lebih bijak. Diharapkan dengan adanya penelitian ini bisa membantu pemerintah dalam mengalokasikan BST tersebut agar lebih efisien dan tepat sasaran kepada masyarakat yang benar-benar membutuhkan. Hasil analisis clustering dapat mengidentifikasi pola distribusi penerima BST berdasarkan dan lokasi geografis keluarga penerima BST. Penelitian ini bisa memberikan dampak positif bagi pemerintah atau lembaga terkait agar bisa lebih efisien dalam mendistribusikan BST agar lebih tepat sasaran.