Application of K-Means Algorithm on Clustering Recipients of Non-Cash Food Assistance (NCFA)

Said Nanda Saputra; Elin Haerani; Jasril Jasril; Lola Oktavia; Fadhilah Syafria

doi:10.24114/cess.v8i2.48026

Authors

Said Nanda Saputra Universitas Islam Negeri Sultan Syarif Kasim Riau
Elin Haerani Universitas Islam Negeri Sultan Syarif Kasim Riau
Jasril Jasril Universitas Islam Negeri Sultan Syarif Kasim Riau
Lola Oktavia Universitas Islam Negeri Sultan Syarif Kasim Riau
Fadhilah Syafria Universitas Islam Negeri Sultan Syarif Kasim Riau

DOI:

https://doi.org/10.24114/cess.v8i2.48026

Keywords:

BPNT, K-Means, Google Colab, Silhouette Score, Pola Karakteristik

Abstract

Persoalan Kemiskinan pada berbagai daerah Indonesia menjadi fokus perhatian. Program BPNT (Bantuan Pangan Non Tunai) bermaksud memangkas biaya pangan dan membagikan gizi yang sepadan terhadap KPM (Keluarga Penerima Manfaat). Penelitian ini menerapkan algoritma K-Means untuk menganalisis pola karakteristik penerima BPNT di Pekanbaru. Data yang digunakan berasal dari penelitian sebelumnya oleh Firza Syahputra dan dari Dinas Sosial Kota Pekanbaru tahun 2020-2021 dengan 732 data dan 41 parameter. Penerapan K-Means dilakukan melalui Google Colab. Melalui data mining dan metode clustering, ditemukan dua klaster dengan 666 data dalam klaster 1 dan 16 data dalam klaster 2. Evaluasi menggunakan Silhouette Score menunjukkan hasil yang baik, dengan nilai 0.9169796594018274. Penelitian ini berpotensi membantu pemerintah dalam mengambil keputusan yang efektif selama penyebaran bantuan pangan non tunai kepada rakyat yang membutuhkan. Dengan demikian, algoritma K-Means Clustering dapat mengidentifikasi pola karakteristik penerima BPNT dan membedakan kelompok yang layak dan tidak layak menerima bantuan.Poverty issues in various parts of Indonesia are the focus of attention. The NCFA (Non-Cash Food Assistance) program's purpose are to lower food consumption and give Beneficiary Families (BF) a healthy diet. The k-means technique use in this study to assess the distinctive patterns of NCFA grantees in Pekanbaru. The data used comes from previous research by Firza Syahputra and from Social Affairs Office Pekanbaru in 2020-2021 with 732 data and 41 parameters. The application of k-means is done through Google Colab. Through data mining and clustering methods, two clusters were found with 666 data in cluster 1 and 16 data in cluster 2. Evaluation using Silhouette Score showed good results, with a value of 0.9169796594018274. This research has the potential to assist the government in making effective decisions in distributing non-cash food help people in need. For the result, the k-means Clustering technique is able to recognize the traits of NCFA recipients and identify groups that are and are not eligible for aid.

Author Biography

Said Nanda Saputra, Universitas Islam Negeri Sultan Syarif Kasim Riau

Mahasiswa Universitas Islam Negeri Sultan Syarif Kasim Riau, Jurusan Teknik Informatika, Fakultas Sains & Teknologi

References

R. Rusdiansyah, H. Supendar, and T. Tuslaela, œData Mining using K-means method for feasibility selection of Non-cash food Assistance recipients in the Era of Covid-19, SinkrOn, vol. 6, no. 1, pp. 25“33, Oct. 2021, doi: 10.33395/sinkron.v6i1.11101.

D. P. Anwar, N. U. Ati, and R. Pindahanto, œImplementasi Program Bantuan Pangan Non Tunai (Bpnt) Dinas Sosial Dalam Menanggulangi Kemiskinan Di Kelurahan Sisir Kecamatan Batu Kota Batu, vol. 14, no. 3, pp. 1“7, 2020.

Parjito and Permata, œPenerapan Data Mining untuk Clustering Data Penduduk Miskin Menggunakan Metode K-Means, 2021.

M. Hidayat Panuntun Muslim, J. Administrasi Publi, F. Eriyanti, dan Adil Mubarak SIP, and Ms. Jurusan Administrasi Publi, œjmiap Jurnal ilmu administrasi publik Implementasi Program Bantuan Pangan Non Tunai (BPNT) Di Kecamatan Kuranji Kota Padang, 2019.

E. Y. Yunus, œImplementasi Program Bantuan Pangan Non Tunai (BPNT) Di Kecamatan Kanigaran Kota Probolinggo, Reformasi, vol. 9, no. 2, p. 138, Sep. 2019, doi: 10.33366/rfr.v9i2.1454.

S. Ghousi Pratama, A. Mahmudi, and S. Achmadi, œKlasifikasi Penentuan Penerima Bantuan Pangan Non Tunai Menggunakan Metode K-Means Clustering, 2020.

P. Julianto, œImplementasi Program Bantuan Pangan Non Tunai (BPNT) Di Kecamatan Sitinjau Laut Kabupaten Kerinci, 2020.

D. Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik Pada Jurusan Teknik Informatika Oleh, œTugas Akhir.

G. MÃ¼nz, S. Li, and G. Carle, œTraffic Anomaly Detection Using K-Means Clustering.

Y. Aprilia, P. Kartikasari, Y. A. Pranoto, and D. Rudhistiar, œPenerapan Metode K-Modes Untuk Proses Penentuan Penerima Bantuan Langsung Tunai (Blt), 2021.

Y. Amri, A. L. Fadhilah, Fatmawati, N. Setiani, and S. Rani, œAnalysis Clustering of Electricity Usage Profile Using K-Means Algorithm, in IOP Conference Series: Materials Science and Engineering, Institute of Physics Publishing, Jan. 2016. doi: 10.1088/1757-899X/105/1/012020.

Y. Radana Sembiring, R. Winanjaya, S. Tunas Bangsa, S. Utara, and I. A. Jln Sudirman Blok No, œImplementasi Data Mining Dalam Mengelompokkan Jumlah Penduduk Miskin Berdasarkan Provinsi Menggunakan Algoritma K-Means, 2021. [Online]. Available: https://www.bps.go.id

A. A. Aldino, D. Darwis, A. T. Prastowo, and C. Sujana, œImplementation of K-Means Algorithm for Clustering Corn Planting Feasibility Area in South Lampung Regency, in Journal of Physics: Conference Series, IOP Publishing Ltd, Jan. 2021. doi: 10.1088/1742-6596/1751/1/012038.

Y. Ratna Sari, A. Sudewa, D. Ayu Lestari, and T. Ika Jaya, œPenerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan RapidMiner, 2020.

E. Irfiani, S. Sulistia Rani, S. Nusa Mandiri Jl Kramat Raya No, and J. Pusat, œAlgoritma K-Means Clustering untuk Menentukan Nilai Gizi Balita, vol. 6, no. 4, pp. 17“27, 2018.

N. Dwitri et al., œPenerapan Algoritma K-Means Dalam Menentukan Tingkat Penyebaran Pandemi Covid-19 Di Indonesia, Jurnal Teknologi Informasi, vol. 4, no. 1, 2020.

A. Arif, R. Dwi Christyanti, and U. Kaltara, œClustering Calon Penerima Zakat Menggunakan Metode K-Means (Ratna Dwi Christyanti) (Studi Kasus di Provinsi Kalimantan Utara), 73 SMARTICS Journal, vol. 8, no. 2, pp. 73“79, 2022, doi: 10.21067/10.21067/smartics.v8i2.7531.

A. Bastian, H. Sujadi, and G. Febrianto, œPenerapan Algoritma K-Means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka).

N. H. Harani, C. Prianto, and F. A. Nugraha, œSegmentasi Pelanggan Produk Digital Service Indihome Menggunakan Algoritma K-Means Berbasis Python, Jurnal Manajemen Informatika (JAMIKA), doi: 10.34010/jamika.v10i2.

M. Khandava Mulyadien and U. Enri, œAlgoritma K-Means Untuk Pengelompokan Bantuan Langsung Tunai (BLT), Jurnal Ilmiah Wahana Pendidikan, vol. 2022, no. 12, pp. 198“210, doi: 10.5281/zenodo.6944517.