KLASTERISASI DATA USULAN PENERIMA BANTUAN PROGRAM INDONESIA PINTAR (PIP) MENGGUNAKAN ALGORITMA K-MEANS DI SDN 057/IX TANGKIT

Febriani, Eka (2026) KLASTERISASI DATA USULAN PENERIMA BANTUAN PROGRAM INDONESIA PINTAR (PIP) MENGGUNAKAN ALGORITMA K-MEANS DI SDN 057/IX TANGKIT. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (248kB)
	Text BAB II.pdf Restricted to Registered users only Download (424kB)
	Text BAB III.pdf Restricted to Registered users only Download (43kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (8kB)

Abstract

Program Indonesia Pintar (PIP) merupakan bantuan pendidikan dari pemerintah yang ditujukan bagi siswa dari keluarga kurang mampu agar tetap memperoleh layanan pendidikan yang layak. Proses penentuan penerima bantuan sering kali dilakukan secara manual sehingga berpotensi menimbulkan ketidaktepatan sasaran. Penelitian ini bertujuan untuk menerapkan metode data mining menggunakan algoritma K-Means Clustering dengan perhitungan jarak Euclidean Distance dalam mengelompokkan data usulan penerima PIP di SDN 057/IX Tangkit berdasarkan tingkat kelayakan. Data yang digunakan berjumlah 207 siswa dengan atribut yang telah melalui proses data cleaning dan transformasi, yaitu penghasilan orang tua, jumlah tanggungan keluarga, kondisi rumah, dan status kepemilikan rumah. Proses klasterisasi dilakukan dengan menentukan jumlah cluster sebanyak tiga kelompok, yaitu kategori layak, cukup layak, dan tidak layak menerima bantuan. Hasil penelitian menunjukkan bahwa metode K-Means mampu mengelompokkan data secara objektif ke dalam tiga cluster, yaitu 54 siswa dalam kategori layak, 67 siswa dalam kategori cukup layak, dan 86 siswa dalam kategori tidak layak. Hasil ini membuktikan bahwa penerapan teknik klasterisasi dapat membantu pihak sekolah dalam menentukan prioritas penerima bantuan PIP secara lebih tepat, transparan, dan berbasis data, sehingga dapat mengurangi subjektivitas dalam proses pengambilan keputusan.

Actions (login required)

View Item