Implementasi Metode K-Medoids Untuk Clustring Penerima Bantuan Berdasarkan Normalisasi Data Masyarakat Miskin Dengan Metode Desimal Scaling

Rispandi

doi:10.47065/comforch.v3i1.1063

Rispandi * Universitas Budi Darma, Medan, Indonesia

DOI: https://doi.org/10.47065/comforch.v3i1.1063

Keywords: Normalization; Clustering; Aid Data; RapidMiner

Abstract

The Social Welfare Office is the distributor of aid for the economically disadvantaged population in accordance with the regulations set by the Minister of Social Affairs of the Republic of Indonesia Number 20 of 2019. This aid is provided to the economically disadvantaged population selectively, not continuously, in the form of goods or cash, aiming to improve the welfare of the economically disadvantaged and socially vulnerable. The data of aid recipients from the economically disadvantaged population needs to be processed and normalized to obtain the desired information, facilitating the grouping of aid recipients at the Southeast Aceh Social Welfare Office. The aid recipients' data is processed and normalized to ease the grouping process using Decimal Scaling method, enabling the extraction of desired information. Subsequently, the data is clustered using the K-Medoids method to group aid recipients based on the normalized data, thus simplifying the identification of the most suitable aid recipients. This research employs a system capable of providing a solution for clustering aid recipient data using the K-Medoids method and the RapidMiner application

References

L. G. R. Putra and A. Anggrawan, “Pengelompokan Penerima Bantuan Sosial Masyarakat dengan Metode K-Means,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 1, pp. 205–214, 2021.

A. Z. Wahidah, A. Widayani, S. I. Wardani, I. Rachmawati, and N. Latifah, “Prosedur Penyaluran Bantuan Sosial di Era Pandemi Covid-19 pada Dinas Sosial Kabupaten Blitar,” Competence J. Manag. Stud., vol. 16, no. 1, pp. 51–63, 2022.

N. S. Sinatrya and L. K. Wardhani, “Analysis of K-Means and K-Medoids’s Performance Using Big Data Technology,” in 2018 6th International Conference on Cyber and IT Service Management (CITSM), IEEE, 2018, pp. 1–5.

L. M. Ginting, M. M. T. Sigiro, E. D. Manurung, and J. J. P. Sinurat, “Perbandingan Metode Algoritma Support Vector Regression dan Multiple Linear Regression Untuk Memprediksi Stok Obat,” J. Appl. Technol. Informatics Indones., vol. 1, no. 2, pp. 29–34, 2021.

G. A. B. Suryanegara and M. D. Purbolaksono, “Peningkatan Hasil Klasifikasi pada Algoritma Random Forest untuk Deteksi Pasien Penderita Diabetes Menggunakan Metode Normalisasi,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, pp. 114–122, 2021.

V. Herlinda, D. Darwis, and D. Dartono, “Analisis Clustering Untuk Recredesialing Fasilitas Kesehatan Menggunakan Metode Fuzzy C-Means,” J. Teknol. Dan Sist. Inf., vol. 2, no. 2, pp. 94–99, 2021.

D. N. P. Sari and Y. L. Sukestiyarno, “Analisis cluster dengan metode K-Means pada persebaran kasus COVID-19 berdasarkan Provinsi di Indonesia,” in PRISMA, Prosiding Seminar Nasional Matematika, 2021, pp. 602–610.

F. Yunita, “Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru,” Sist. J. Sist. Inf., vol. 7, no. 3, pp. 238–249, 2018.

J. Eska, “Penerapan Data Mining Untuk Prediksi Penjualan Wallpaper Menggunakan Algoritma C4. 5,” 2018.

R. Ordila, R. Wahyuni, Y. Irawan, and M. Y. Sari, “Penerapan Data Mining Untuk Pengelompokan Data Rekam Medis Pasien Berdasarkan Jenis Penyakit Dengan Algoritma Clustering (Studi Kasus: Poli Klinik Pt. Inecda),” J. Ilmu Komput., vol. 9, no. 2, pp. 148–153, 2020.

A. Mukhlasin and P. T. Prasetyaningrum, “ANALISIS DAN PERANCANGAN DECISION SUPPORT SYSTEM PENYALURAN BANTUAN PENYANDANG MASALAH KESEJAHTERAAN SOSIAL (PMKS) MENGGUNAKAN METODE WEIGHTED PRODUCT (WP),” ANTIVIRUS J. Ilm. Tek. Inform., vol. 14, no. 1, pp. 1–14, 2020.

E. Y. Yunus, “Peran Tenaga Kesejahteraan Sosial Kecamatan (TKSK) dalam Mendampingi Masyarakat Penyandang Masalah Kesejahteraan Sosial (PMKS) di Kecamatan Kanigaran Kota Probolinggo,” Publicio J. Ilm. Polit. Kebijak. dan Sos., vol. 3, no. 1, pp. 62–70, 2021.

B. G. Sudarsono, M. I. Leo, A. Santoso, and F. Hendrawan, “Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner,” JBASE-Journal Bus. Audit Inf. Syst., vol. 4, no. 1, 2021.

Z. Nabila, A. R. Isnain, P. Permata, and Z. Abidin, “Analisis data mining untuk clustering kasus covid-19 di Provinsi Lampung dengan algoritma k-means,” J. Teknol. Dan Sist. Inf., vol. 2, no. 2, pp. 100–108, 2021.

R. B. B. Sumantri and F. Mahardika, “Perancangan Basis Data Sistem Informasi Penjualan Barang (Studi Kasus: Minimarket ‘ABC’ Sidareja),” J. Teknol. dan Bisnis, vol. 2, no. 1, pp. 61–68, 2020.

H. H. Muflihin, H. Dhika, and S. Handayani, “Perancangan Sistem Informasi Inventory Pada Toko Rosadah,” Bianglala Inform., vol. 8, no. 2, pp. 91–99, 2020.

M. R. Kusnaidi, T. Gulo, and S. Aripin, “Penerapan Normalisasi Data Dalam Mengelompokkan Data Mahasiswa Dengan Menggunakan Metode K-Means Untuk Menentukan Prioritas Bantuan Uang Kuliah Tunggal,” J. Comput. Syst. Informatics, vol. 3, no. 4, pp. 330–338, 2022.

A. A. D. Sulistyawati and M. Sadikin, “Penerapan Algoritma K-Medoids Untuk Menentukan Segmentasi Pelanggan,” Sist. J. Sist. Inf., vol. 10, no. 3, pp. 516–526, 2021.

S. Sindi, W. R. O. Ningse, I. A. Sihombing, F. I. R. H. Zer, and D. Hartama, “Analisis algoritma k-medoids clustering dalam pengelompokan penyebaran covid-19 di indonesia,” J. Teknol. Inf., vol. 4, no. 1, pp. 166–173, 2020.

A. Supriyadi, A. Triayudi, and I. D. Sholihati, “Perbandingan algoritma k-means dengan k-medoids pada pengelompokan armada kendaraan truk berdasarkan produktivitas,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 6, no. 2, pp. 229–240, 2021.