JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Menentukan Kelayakan Masyarakat Penerima BLT (Bantuan Langsung Tuna.
Anggi Marbun1 .
Beni Andika 2 .
Tugiono 3
1,2,3
Sistem Informasi.
STM IK Triguna Dharma Email: 1marbunanggi968@gmail.
com,2 beniandika2010@gmail.
com,3 tugix.
line@gmail.
Email Penulis Korespondensi: marbunanggi968@gmail.
AbstrakOe Pemerintah sendiri telah melakukan beberapa upaya dalam melakukan pengentasan kemiskinan diantaranya melalui program bantuan sosial diantaranya Bantuan Langsung Tunai (BLT).
Satu kesulitan yang terkadang dihadapi oleh pemerintah dalam proses penanganan kemiskinan adalah proses pembagian bantuan sosial yang tidak merata dan tidak tepat sasaran.
Ini disebabkan karena validasi data sering diabaikan sehingga menimbulkan data yang tidak akurat.
Demi keadilan, penyaluran bantuan itu semestinya dibatalkan atau harus di tunda, sampai data masyarakat yang berhak menerima bantuan itu benar-benar valid.
Permasalahan tersebut perusahaan membutuhkan bidang keilmuan data mining dengan menggunakan metode K-M eans Clustering.
Dengan menggunakan metode ini, data-data yang telah didapatkan dapat dikelompokan kedalam beberapa cluster berdasarkan kemiripan dari data-data tersebut, sehingga data-data yang memiliki karakteristik yang sama dikelompokan dalam satu cluster dan yang memliki karakteristik yang berbeda dikelompokan dalam cluster yang lain yang memiliki karakteristik yang sam Hasil penelitian ini dapat membantu Desa Adian Gupa Kabupaten Dairi dalam hal klasterisasi Bantuan Langsung Tunai (BLT) msayarakat yang dikelompokkan dalam peneriman bantuan.
Kata Kunci: Bantuan Langsung Tunai (BLT).
Data Mining.
K-Means.
AbstracOe The government itself has made several efforts to alleviate poverty, for example through social assistance programs such as Direct Cash Assistance (BLT).
One of the difficulties faced by the government in the process of dealing with poverty is the process of distributing social assistance which is uneven and not well targeted.
This is because data validation is often ignored, resulting in inaccurate data.
For the sake of justice, the distribution of aid should be canceled or postponed until the data on the people who are entitled to receive aid is truly valid.
The problem is that the company needs a scientific field of data mining using the K-Means Clustering method.
By using this method, the data that has been obtained can be grouped into several clusters based on the similarity of the data, so that data that has the same characteristics is grouped in one cluster and those that have different characteristics are grouped in another cluster.
have the same characteristics.
The results of this research can help Adian Gupa Village.
Dairi Regency in terms of clustering the Community Direct Cash Assistance (BLT) that sends it to aid recipients.
Keywords: Data Mining.
Direct Cash Assistance (BLT).
K-Means.
PENDAHULUAN
Bagi pemerintah Indonesia masalah kemiskinan merupakan masalah lama yang belum dan sulit untuk diselesaikan .
Pemerintah sendiri telah melakukan beberapa upaya dalam melakukan pengentasan kemiskinan diantaranya melalui program bantuan sosial diantaranya Bantuan Langsung Tunai (BLT).
Program Keluarga Harapan (PKH) dll.
Berdasarkan hasil survey yang dilakukan bantuan yang diberikan pe merintah kepada penduduk tidak sesuai dengan apa yang mereka butuhkan .
Satu kesulitan yang terkadang dihadapi oleh pemerintah dalam proses penanganan kemiskinan adalah proses pembagian bantuan sosial yang tidak merata dan t idak tepat sasaran.
Ini disebabkan karena validasi data sering diabaikan sehingga menimbulkan data yang tidak akurat .
Demi keadilan, penyaluran bantuan itu semestinya dibatalkan atau harus di tunda, sampai data masyarakat y ang berhak menerima bantuan itu benar-benar valid.
Dari permasalahan tersebut, maka dibutuhkan suatu sistem yang dapat mengelompokkan data dalam penerima BLT dengan menggunakan keilmuan Data mining .
Data mining adalah proses penggalian data secara mendalam untuk mengetahui hal yang berarti dan tidak diketahui keberadaanya .
Penerapan Data mining telah banyak digunakan dalam pengelolahan data untuk menghasilkan pengetahuan .
Selanjutnya algoritma yang akan digunakan untuk pengelolaan Data mining pada kasus dalam pengelompokkan data penerima BLT adalah K-Means Clustering .
Penerapan metode K-Means telah digunakan dalam berbagai kasus menganalisa data seperti yang digunakannya metode K-Means untuk mengetahui mengelompokkan data .
Sehingga Metode K-Means sangat sesuai dan dapat digunakan sebagai alat bantu dalam menganalisa mengelompokkan penerimaan BLT.
Hasil proses dibuat dapat Anggi Marbun, 2022.
Hal 72
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index dikembangkan dengan menggunakan sistem berbasis komputer untuk mengelompokkan data .
Oleh sebab itu sistem yang dirancang dan dibangun menggunakan keilmuan data mining dengan metode K-Means Dari sistem tersebut akan mendapatkan hasil yang maksimal dalam pengelompokkan data dalam menganalisa mengelompokkan penerimaan BLT dengan menggunakan metode K-Means yang lebih cepat dan akurat .
METODOLOGI PENELITIAN
Penerapan Metode K-Means Algoritma sistem merupakan penjelasan langkah-langkah penyelesaian masalah dalam perancangan Data mining dalam penggabungan Kelayakan penerimaan BLT berdasarkan penilaian beradasarkan Variabel dengan menggunakan metode K-Means.
Kerangka kerja merupakan penggambaran secara grafik dari langkah -langkah dan urutan prosedur dari metode secara keseluruhan menggunakan metode k-means mulai dari awal sampai akhir prosesnya.
Berikut ini adalah gambar kerangka kerjanya algoritma k-means yaitu sebagai berikut :
Gambar 1 Kerangka Kerja Algoritma K-Means HASIL DAN PEMBAHASAN Data pada tabel data 3.
1 di atas agar dapat diolah menggunakan algoritma K-Means, maka dinormalisasikan atau membersihkan data yang tidak digunakan serta menginisialkan data pengiriman dan alamat dengan ketentuan .
Berikut ini langkah-langkah pada algoritma K-Means sampai diketahui pembagian nilai Centroid sebelumnya tidak berubah.
Berikut ini adalah data yang digunakan sebagai sampel dalam penelitian ini yaitu sebagai berikut:
Menentukan jumlah Cluster misalkan sebanyak k = 3 Cluster-1 = Penerimaan Bantuan AuLayak DiterimaAy.
Cluster-2 = Penerimaan Bantuan AuPertimbanganAy.
Cluster-3 = Penerimaan Bantuan AuDi TolakAy.
Alokasikan data ke dalam kelompok secara acak.
Anggi Marbun, 2022.
Hal 73
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Centroid Centroid 1 Centroid 2 Centroid 3 Table 1 Data Centroid Awal Penilaian Penilaian Rumah Penghasilan Penilaian Tanggungan Keluarga Hitung pusat kelompok .
entroid/rata-rat.
dari data yang ada di masing-masing kelompok.
Hitung jarak data ke Centroid menggunakan rumus, data tersebut dari Cluster terdekatnya.
Jarak antara Peserta nomor pertama dengan titik m1 = ocycuycn=1 .
cu ycnOe ycycn ) 2 = Oo.
Oe .
Oe .
Oe .
Jarak antara Peserta nomor pertama dengan titik m2 = ocycuycn=1 .
cu ycnOe ycycn ) 2 = Oo.
Oe .
Oe .
Oe .
= 4,123
Jarak antara Peserta nomor pertama dengan titik m3 = ocycuycn=1 .
cu ycnOe ycycn ) 2 = Oo.
Oe .
Oe .
Oe .
= 12,884
Alokasikan masing-masing data ke centroid/rata-rata terdekat Untuk lebih lengkapnya jarak pada setiap baris data, hasilnya seperti pada tabel berikut :
Tabel 2 Hasil Perhitungan Iterasi Ke 1
No C1
C2 C3 JARAK TERDEKAT
0,000
4,123
12,884
2 3,742 1,732 9,381
3 12,884 9,110 0,000
4 5,916 3,162 8,775
5 4,123 0,000 9,110
6 0,000 4,123 12,884
7 4,123 3,742 10,440
8 0,000 4,123 12,884
9 5,745 2,449 8,775
10 6,000 2,236 7,874
11 5,745 3,464 7,681
12 5,196 1,414 7,810
13 0,000 4,123 12,884
14 5,745 2,449 8,775
15 0,000 4,123 12,884
16 5,745 2,449 8,775
17 6,000 2,236 7,874
18 0,000 4,123 12,884
19 5,745 2,449 8,775
20 3,464 1,000 9,487
21 4,123 3,742 10,440
Anggi Marbun, 2022.
Hal 74
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index 22 0,000 4,123 12,884 23 5,745 2,449 8,775 24 6,000 2,236 7,874 25 0,000 4,123 12,884 26 5,745 2,449 8,775 27 0,000 4,123 12,884 28 5,745 2,449 8,775 29 3,464 1,000 9,487 30 4,123 3,742 10,440 31 0,000 4,123 12,884 32 0,000 4,123 12,884 33 5,745 2,449 8,775 34 6,000 2,236 7,874 35 3,742 1,732 9,381 36 12,884 9,110 0,000 37 5,916 3,162 8,775 38 4,123 0,000 9,110 39 0,000 4,123 12,884 40 5,745 2,449 8,775 41 6,000 2,236 7,874 42 12,884 9,110 0,000 43 5,916 3,162 8,775 44 5,745 2,449 8,775 45 3,464 1,000 9,487 46 4,123 3,742 10,440 47 0,000 4,123 12,884 48 0,000 4,123 12,884 49 5,745 2,449 8,775 50 6,000 2,236 7,874 51 3,742 1,732 9,381
52 12,884 9,110 0,000
53 5,916 3,162 8,775
54 4,123 0,000 9,110
55 0,000 4,123 12,884
56 5,745 2,449 8,775
57 6,000 2,236 7,874
58 12,884 9,110 0,000
59 5,916 3,162 8,775
60 5,745 2,449 8,775
61 3,464 1,000 9,487
62 4,123 3,742 10,440
63 0,000 4,123 12,884
64 0,000 4,123 12,884
Anggi Marbun, 2022.
Hal 75
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index 65 5,745 2,449 8,775 66 6,000 2,236 7,874 67 3,742 1,732 9,381 68 12,884 9,110 0,000 69 5,916 3,162 8,775 70 4,123 0,000 9,110 71 0,000 4,123 12,884 72 5,745 2,449 8,775 73 6,000 2,236 7,874 74 12,884 9,110 0,000 75 5,916 3,162 8,775 76 5,745 2,449 8,775 77 3,464 1,000 9,487 78 4,123 3,742 10,440 79 0,000 4,123 12,884 80 0,000 4,123 12,884 81 5,745 2,449 8,775 82 6,000 2,236 7,874 83 3,742 1,732 9,381 84 12,884 9,110 0,000 85 5,916 3,162 8,775 86 4,123 0,000 9,110 87 0,000 4,123 12,884 88 5,745 2,449 8,775 89 6,000 2,236 7,874 90 12,884 9,110 0,000 91 5,916 3,162 8,775 92 5,745 2,449 8,775 93 3,464 1,000 9,487 94 4,123 3,742 10,440
95 0,000 4,123 12,884
96 0,000 4,123 12,884
97 5,745 2,449 8,775
98 6,000 2,236 7,874
99 3,742 1,732 9,381
100 12,884 9,110 0,000
101 5,916 3,162 8,775
102 4,123 0,000 9,110
103 0,000 4,123 12,884
104 5,745 2,449 8,775
105 6,000 2,236 7,874
106 12,884 9,110 0,000
107 5,916 3,162 8,775
Anggi Marbun, 2022.
Hal 76
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index 108 5,745 2,449 8,775 109 3,464 1,000 9,487 110 4,123 3,742 10,440 111 0,000 4,123 12,884 112 0,000 4,123 12,884 113 5,745 2,449 8,775 114 6,000 2,236 7,874 115 3,742 1,732 9,381 116 12,884 9,110 0,000 117 5,916 3,162 8,775 118 4,123 0,000 9,110 119 0,000 4,123 12,884 120 5,745 2,449 8,775 121 6,000 2,236 7,874 122 12,884 9,110 0,000 123 5,745 2,449 8,775 124 3,464 1,000 9,487 125 4,123 3,742 10,440 126 0,000 4,123 12,884 127 0,000 4,123 12,884 128 5,745 2,449 8,775 129 6,000 2,236 7,874 130 3,742 1,732 9,381 131 12,884 9,110 0,000 132 5,916 3,162 8,775 133 4,123 0,000 9,110 134 0,000 4,123 12,884 135 5,745 2,449 8,775 136 3,464 1,000 9,487 137 4,123 3,742 10,440
138 0,000 4,123 12,884
139 0,000 4,123 12,884
140 5,745 2,449 8,775
141 6,000 2,236 7,874
142 3,742 1,732 9,381
143 12,884 9,110 0,000
144 5,916 3,162 8,775
145 4,123 0,000 9,110
146 0,000 4,123 12,884
147 5,745 2,449 8,775
148 6,000 2,236 7,874
149 12,884 9,110 0,000
150 5,916 3,162 8,775
Anggi Marbun, 2022.
Hal 77
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Dari tabel 2 di dapat Jumlah Peserta sebagai berikut :
C1 = {
1,6,8,13,15,18,22,25,27,31,32,39,47,48,55,63,64,71,79,80,87,95,96,103,111,112,119,126,127,134,138,139,1
C2 = {
2,4,5,7,9,10,11,12,14,16,17,19,20,21,23,24,26,28,29,30,33,34,35,36,37,38,40,41,43,44,45,46,49,50,51,53,54,
56,57,59,60,61,62,65,66,67,69,70,72,73,75,76,77,78,81,82,83,85,86,88,89,91,92,93,94,97,98,99,101,102,104
,105,107,108,109,110,113,114,115,117,118,120,121,123,124,125,128,129,130,132,133,135,136,137,140,141
,142,144,145,147,148,.
C3 = { 3,42,52,58,68,74,84,90,100,106,116,122,131,143,.
Lakukan pembaruan Centroid dari hasil Cluster seperti berikut :
= rata-rata .
,6,8,13,15,18,22,25,27,31,32,39,47,48,55,63,64,71,79,80,87,95,96,103,111,112,119,126,127,134,138,139,1 = .
= rata-rata .
,4,5,7,9,10,11,12,14,16,17,19,20,21,23,24,26,28,29,30,33,34,35,36,37,38,40,41,43,44,45,46,49,50,51,53,54 ,56,57,59,60,61,62,65,66,67,69,70,72,73,75,76,77,78,81,82,83,85,86,88,89,91,92,93,94,97,98,99,101,102,10 4,105,107,108,109,110,113,114,115,117,118,120,121,123,124,125,128,129,130,132,133,135,136,137,140,14 1,142,144,145,147,148,.
= .
= rata-rata .
,42,52,58,68,74,84,90,100,106,116,122,131,143,.
= .
Menghitung kembali nilai rasio dengan membandingkan nilai BCV dan WCV.
BCV/WCV
= 26,118 / 225,602
= 0,116
Setelah dilakukan perhitungan untuk mencari rasio terdekat, hasil iterasi berhenti dengan perhitungan 3 iterasi dan hasil berikutnya pun sama.
Maka nilai Centroidnya tidak ada perubahan lagi maka hasil adalah sebagai berikut BCV/WCV = 26,356 / 177,848 = 0,148 Hasil pengelompokkan cluster dari penerimaan bantuan BLT produk Kantor Camat Desa Adian Gupa rendah adalah sebagi berikut:
Tabel 3 Pengelompokkan Hasil Cluster Cluster Nomor Penerimaan Bantuan AuLayak 1,6,8,13,15,18,22,25,27,31,32,39,47,48,55,63,64,71,79,80,87,95,96,103,111,112,119,126 DiterimaAy ,127,134,138,139,146 2,4,5,7,9,10,11,12,14,16,17,19,20,21,23,24,26,28,29,30,33,34,35,36,37,38,40,41,43,44,4 Penerimaan Bantuan 5,46,49,50,51,53,54,56,57,59,60,61,62,65,66,67,69,70,72,73,75,76,77,78,81,82,83,85,86.
AuPertimbanganAy 88,89,91,92,93,94,97,98,99,101,102,104,105,107,108,109,110,113,114,115,117,118,120, 121,123,124,125,128,129,130,132,133,135,136,137,140,141,142,144,145,147,148,150 Penerimaan Bantuan AuDi
3,42,52,58,68,74,84,90,100,106,116,122,131,143,149
TolakAy Keterangan :
Berdasarkan hasil cluster dengan menggunakan algoritma K-Means penerimaan bantuan yang dinyatakan layak diterima berjumlah 33, pertimbangan berjumlah 102 dan ditolak berjumlah 15.
Adapun tampilan output dari aplikasi.
Pada aplikasi ini memiliki interface yang terdiri dari Menu login.
Data Masyarakat.
Data Centroid dan Menu Proses KMeans.
Dalam halaman utama untuk menampilkan pada tampilan Menu pada awal sistem yaitu Menu login dan Menu Utama.
Adapuan Menu halaman utama sebagai berikut.
Menu Login Menu Login digunakan untuk mengamankan sistem dari user-user yang tidak bertanggung jawab sebelum masuk ke Menu Utama.
Berikut adalah tampilan Menu Login :
Anggi Marbun, 2022.
Hal 78
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Gambar 2 Menu Login Menu Utama Menu Utama digunakan sebagai penghubung untuk Menu Data Masyarakat, data Centroid, proses dan laporan.
Berikut adalah tampilan Menu Utama.
Gambar 3 Menu Utama Adminstrator untuk menampilkan Menu pengolahan data pada penyimpanan data kedalam database yaitu Menu Data Masyarakat, dan Menu Centroiod.
Adapun Menu halaman adminstrator utama sebagai berikut.
Menu Data Masyarakat Menu data masyarakat berfungsi untuk pengolahan dalam penginputan data, ubah data dan penghapusan data Adapun Menu data masyarakat sebagai berikut.
Anggi Marbun, 2022.
Hal 79
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Gambar 4 Menu Data Masyarakat Menu Data Centroid Menu Data Centroid untuk pengolahan data Centroid penerimaan bantuan.
Adapun Menu Data Centroid adalah sebagai berikut.
Gambar 5 Menu Data Centroid Pada bagian ini diminta untuk melakukan pengujian dengan sampling data baru untuk dapat menguji keakuratan sistem yang dirancang dengan tools-tools yang sudah teruji dan terkalibrasi sebelumnya.
Adapun hasil proses program dalam penjualan bahan pokok sebagai berikut.
Anggi Marbun, 2022.
Hal 80
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Gambar 6 Hasil Analisa K-Means Gambar 7 Laporan Hasil
KESIMPULAN
Berdasarkan hasil analisa dari permasalahan yang terjadi dengan kasus yang dibahas tentang mengelompokkan data masyarakat dengan menerapkan metode terhadap k-means untuk menganalisa pengelompokkan dalam penerimaan bantuan dilakukan dengan riset ke tempat perusahaan dan wawancara pihak pengolahan data masyarakat yang dikelompokan dalam penerimaan bantuan.
Menerapkan data mining dengan melakukan normalisasi data masyarakat dan melakukan proses algoritama untnuk mendapatkan hasil keputusan dengan aplikasi dengan cepat ataupun akurat dan mengimplementasikan di perusahaan dengan melakukan dengan pemograman desktop dan menampilkan hasil berbentuk laporan .
rystal report ) UCAPAN TERIMAKASIH Terima Kasih diucapkan kepada kedua orang tua serta keluarga yang selalu memberi motivasi.
Doa dan dukungan moral maupun materi, serta pihak-pihak yang telah mendukung dalam proses pembuatan jurnal ini yang tidak dapat disebutkan satu persatu.
Kiranya jurnal ini bisa memberi manfaat ba gi pembaca dan dapat meningkatkan kualitas jurnal selanjutnya.
Anggi Marbun, 2022.
Hal 81
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index REFERENCES