IMPLEMENTASI ALGORITMA K-MEANS UNTUK MENENTUKAN PENERIMA BANTUAN BPJS PBI (PENERIMA BANTUAN IURAN) DESA SURADITA

IMPLEMENTASI ALGORITMA K-MEANS UNTUK MENENTUKAN PENERIMA BANTUAN BPJS PBI (PENERIMA BANTUAN IURAN) DESA SURADITA

• By Mario Achmad Fadila;
• S1- Sistem Infomasi
• 5
• 1-144

Kemiskinan di Indonesia telah menjadi perhatian sejak masa kolonial Belanda di awal abad ke-20. Pemerintah Indonesia saat ini mengatasi kemiskinan melalui berbagai program bantuan, salah satunya adalah BPJS Penerima Bantuan Iuran (PBI), yang menyediakan layanan kesehatan bagi masyarakat kurang mampu. Namun, di Desa Suradita, Kecamatan Cisauk, Kabupaten Tangerang, pelaksanaan program BPJS PBI masih menghadapi kendala dalam penentuan penerima bantuan BPJS PBI yang tepat sasaran. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan menerapkan metode Algoritma K-Means. Dengan menggunakan Algoritma K-Means, penerima bantuan BPJS PBI dapat dikelompokkan ke dalam dua klaster yaitu layak dan tidak layak. Hasil penelitian menunjukkan bahwa dari total data, 228 individu masuk dalam kategori layak dan 184 individu dalam kategori tidak layak. Pengujian evaluasi Algoritma K-Means menghasilkan nilai Davies Bouldin Index (DBI) sebesar 0,713, yang menunjukkan pengelompokan yang cukup baik. Dengan demikian, penerapan Algoritma K-Means dapat membantu petugas Kantor Desa Suradita dalam menentukan calon penerima bantuan BPJS PBI dengan lebih efektif dan tepat sasaran.

• Katakunci Kemiskinan, BPJS PBI, K-Means
• URL http://
• Penerbit ,

REFERENSI

Andini, Y., Hardinata, J. T., Purba, Y. P., Studi, P., Informasi, S., Utara, S., & Apriori, M. (2022). Penerapan Data Mining Terhadap Tata Letak Buku. Jurnal Technology Informatics & Computer System, XI(1), 9–15.

Astika Sari, D., Serasi Ginting, B., & Maulita, Y. (2022). Pengelompokan Data Penduduk Penerima BSTP (Bantuan Sosial Tunai Pandemic) Menggunakan Metode Algoritma K-means Clustering (Kantor Desa Padang Brahrang). Seminar Nasional Informatika (Senatika), 6(3), 327–335. Retrieved from https://www.jurnal.kaputama.ac.id/index.php/SENATIKA/article/view/998

Aulia, S. (2021). Klasterisasi Pola Penjualan Pestisida Menggunakan Metode K-Means Clustering (Studi Kasus Di Toko Juanda Tani Kecamatan Hutabayu Raja). Djtechno: Jurnal Teknologi Informasi, 1(1), 1–5. https://doi.org/10.46576/djtechno.v1i1.964

Dewi, N. L. P. P., Purnama, I. N., & Utami, N. W. (2022). Penerapan Data Mining Untuk Clustering Penilaian Kinerja Dosen Menggunakan Algoritma K-Means (Studi Kasus: STMIK Primakara). Jurnal Ilmiah Teknologi Informasi Asia, 16(2), 105. https://doi.org/10.32815/jitika.v16i2.761

Fitria Yulia, A., Bintoro, P., & Kunci, K. (2023). K-Means Clustering Dalam Menentukan Kelayakan penerima bantuan untuk warga miskin studi kasus pekon Sukoharjo III K-Means Clustering in Determining the Eligibility of Recipients of Assistance for the Poor Case Study of Village Sukoharjo III Article Info A. International Journal of Software Engineering and Informatics, xx, No.x(x). Retrieved from http://journal.aisyahuniversity.ac.id/index.php/J-Rapa

Fitriani, F., Kurniawan, R., & Suprapti, T. (2024). Penerapan Algoritma K-Means Clustering Untuk Identifikasi Kelayakan Penerima Bantuan Program Keluarga Harapan (Pkh) Di Desa Tambaksari Ciamis. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3363–3369. https://doi.org/10.36040/jati.v7i6.8197

Hasanah, H., Riswanto, P., & ... (2023). Penerapan Data Mining Menggunakan K-Means Untuk Penentuan Penerima Bantuan Langsung Tunai (BLT) Dana Desa Pada Desa Cempaka Timur. JTKSI (Jurnal Teknologi …, 236–241. Retrieved from https://jurnal.ftikomibn.ac.id/index.php/jtksi/article/view/1508

Juliawati, F., Buaton, R., Saragih, R., & Kaputama, S. (2023). Pengelompokan Data Mining Penerimaan Bantuan Pangan Non Tunai (BPNT) Menggunakan Metode Clustering (Studi Kasus : Kantor Desa Payabakung Hamparan Perak). Journal of Computer Science and Information Technology E-ISSN, 3(2), 69.

Kaligis, G. B., & Yulianto, S. (2022). Analisa Perbandingan Algoritma K-Means, K-Medoids, Dan X-Means Untuk Pengelompokkan Kinerja Pegawai. IT-Explore: Jurnal Penerapan Teknologi Informasi Dan Komunikasi, 1(3), 179–193. https://doi.org/10.24246/itexplore.v1i3.2022.pp179-193

Lestari Hasibuan, B., Yolanda, E., Studi Ilmu KomputerFakultas Sains dan Teknologi, P., & Islam Negeri Sumatera Utara, U. (2022). Pengklasifikasian Data Pasien Tes Urine Dengan Metode Clustering Pada Kantor Badan Narkotika Nasional Provinsi Sumut (BNNP SUMUT). JUKI : Jurnal Komputer Dan Informatika, 4(November), 183–193.

Mahendra, A. A., Suranti, D., & Fredricka, J. (2023). Sistem Pendukung Keputusan Calon Penerima BPJS-PBI Pada Dinas Sosial Kota Bengkulu Menggunakan Metode K-Nearest Neighbor (KNN). Jurnal Media Infotama, 19(2), 391–400. https://doi.org/10.37676/jmi.v19i2.4290

Nanda Saputra, S., Haerani, E., Oktavia, L., & Syafria, F. (2023). Penerapan Algoritma K-Means Pada Clustering Penerima Bantuan Pangan Non Tunai (BPNT) Application of K-Means Algorithm on Clustering Recipients of Non-Cash Food Assistance (NCFA). Journal of Computing Engineering, System and Science), 8(2), 438–449. Retrieved from www.jurnal.unimed.ac.id

Rafi Nahjan, M., Nono Heryana, & Apriade Voutama. (2023). Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 101–104. https://doi.org/10.36040/jati.v7i1.6094

Suryadi, L., Ngajiyanto, N., Pratiwi, N. E., Ardhy, F., & Riswanto, P. (2022). Penerapan Data Mining Prediksi Penjualan Mebel Terlaris Menggunakan Metode K-Nearest Neighbor(K-Nn) (Studi Kasus : Toko Zerita Meubel). JUSIM (Jurnal Sistem Informasi Musirawas), 7(2), 174–184. https://doi.org/10.32767/jusim.v7i2.1697

Susilo, P. H., Budi, A. S., & Fitriani, E. (2021). Implementasi Algoritma Naive Bayes Untuk Memprediksi Prestasi Belajar. SNIA (Seminar Nasional …, 8(2), 1637–1642. Retrieved from https://snia.unjani.ac.id/web/index.php/snia/article/view/265