Penerapan Algoritma KMEANS dalam menentukan Penerima Bantuan Pra Sejahtera

Abstrak

Program bantuan sosial dirancang untuk membantu masyarakat prasejahtera dalam memenuhi kebutuhan dasar. Namun, distribusi bantuan sering menghadapi kendala seperti kesalahan dalam penentuan sasaran dan proses yang memakan waktu akibat belum adanya metode klasifikasi yang efektif. Penelitian ini bertujuan untuk menerapkan algoritma K-Means dalam mengelompokkan data penduduk calon penerima bantuan di Desa Lama Pancur Batu berdasarkan kriteria seperti usia, pendapatan, pekerjaan dan tanggungan. Penentuan jumlah cluster optimal dilakukan menggunakan metode elbow yang menunjukkan 4 cluster sebagai konfigurasi terbaik. Metode K-Means dipilih karena kemampuannya mengelompokkan data berukuran besar secara cepat dan efisien. Hasil penelitian menunjukkan bahwa dari 983 data penduduk yang dianalisis, terbentuk empat klaster: Sangat Miskin (C1:222 jiwa), Miskin (C2:222 jiwa), Rentan Miskin (C3:206 jiwa), dan Tidak Miskin (C4:333 jiwa). Klaster Sangat Miskin (C1) ditetapkan sebagai prioritas utama dalam penyaluran bantuan. Untuk mendukung hasil klasterisasi, dilakukan visualisasi menggunakan Scatter Plot yang menggambarkan penyebaran data berdasarkan kedekatan karakteristik masing-masing klaster, serta Bar Chart yang menunjukkan jumlah anggota pada setiap klaster. Penerapan algoritma K-Means membantu mempercepat proses identifikasi dan memastikan bantuan tepat sasaran, sehingga meningkatkan efektivitas program bantuan sosial.