Pemetaan Penduduk Calon Penerima Bantuan Renovasi Rumah Desa Pesangkalan Menggunakan Algoritma Clustering K-Means

Abstract

Abstraksi

Rumah atau tempat tinggal adalah satu dari tiga kebutuhan dasar manusia. Di Indonesia banyak sekali rumah yang masuk dalam kategori Rumah Tidak Layak Huni. Pemerintah Indonesia memberikan bantuan Rehabilitasi Sosial Rumah Tidak Layak Huni (RS-RLTH) berupa uang untuk pembelian bahan bangunan guna pemugaran rumah. Di desa Pesangkalan, program bantuan renovasi rumah tergolong baru dan pemerintah desa belum dapat menentukan calon penerima bantuan yang tepat. Dibutuhkan teknik pemanfaatan data menjadi sebuah informasi baru atau disebut juga data mining. Metode yang cocok untuk memetakan calon penerima bantuan adalah clustering k-means karena metode ini dapat mengolah data tanpa diketahui label kelasnya. Penelitian ini akan menghasilkan tiga kelompok penduduk sesuai dengan pendapatan rata-rata dan status kepemilikan bangunan. Hasil tiga kelompok tersebut yaitu penduduk yang layak, kurang layak dan tidak layak menerima bantuan. Pengolahan data penduduk menggunakan algoritma k-means mendapatkan hasil davies bouldin index sebesar 0.428 yang dinilai cukup baik karena semakin dekat hasil dengan angka nol, maka semakin baik pula hasil clusternya.

Kata kunci: Rumah tidak layak huni, clustering, k-means, davies bouldin index