PENERAPAN DATA MINING UNTUK MENENTUKAN PENERIMA BANTUAN BLT MENGGUNAKAN METODE CLUSTERING K-MEANS PADA DESA PAMULIHAN

Abstract

Penggunaan metode Clustering K-means dalam Data Mining untuk menentukan penerima Bantuan Langsung Tunai (BLT) terus berkembang seiring dengan kemajuan ketersediaan data, teknologi, dan kesadaran akan efisiensi dan akurasi dalam pengelolaan program bantuan sosial. Proses manual dalam menentukan penerima BLT di Desa Pamulihan dinilai tidak transparan, kurang efisien, dan dapat menimbulkan ketidakpuasan di kalangan penduduk. Keberlanjutan program BLT juga terkendala oleh ketidakjelasan kriteria penentuan penerima, keterbatasan sumber daya finansial, dan potensi risiko kecurangan. Penelitian ini difokuskan pada penerapan K-means Clustering dengan mempertimbangkan penentuan kriteria penerima, optimalitas pengelompokan, evaluasi model, etika dan keadilan proses, serta pengelolaan data dan keamanan privasi. Tujuan utama dari penelitian ini adalah membangun model Data Mining menggunakan metode Clustering K-means untuk mengidentifikasi calon penerima bantuan BLT di Desa Pamulihan. Hasil penelitian di peroleh pengelompokkan terbaik adalah K9 dengan nilai Davies bouldin index (DBI) sebesar 0.745, nilai tersebut paling optimal karena mendekati angka 0 serta menghasilkan cluster data dengan jumlah data terbanyak adalah cluster 0, yang terdiri dari 50 data yang terdiri dari 14 data penerima, 15 data bukan penerima, dan 21 data dipertimbangkan jumlah data paling sedikit adalah cluster 2, yang terdiri dari 16 data yaitu penerima 15 dan bukan penerima 1.