KLASTERISASI KELAYAKAN PENERIMA BANTUAN PANGAN NON TUNAI (BPNT) MENGGUNAKAN ALGORITMA K-MEANS (STUDI KASUS : KECAMATAN KOTO BARU KOTA SUNGAI PENUH)

Ramadhani, Sulistia (2024) KLASTERISASI KELAYAKAN PENERIMA BANTUAN PANGAN NON TUNAI (BPNT) MENGGUNAKAN ALGORITMA K-MEANS (STUDI KASUS : KECAMATAN KOTO BARU KOTA SUNGAI PENUH). Skripsi thesis, UNAMA.

Preview	Text BAB I.pdf Download (324kB) | Preview
	Text BAB II.pdf Restricted to Registered users only Download (619kB)
	Text BAB III.pdf Restricted to Registered users only Download (524kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
Preview	Text BAB V.pdf Download (209kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (442kB) | Preview

Abstract

Data mining merupakan proses semi otomatik yang menggunakan teknik statistik,
matematika, kecerdasan buatan untuk mengekstraksi dan mengidentifikasi
informasi pengetahuan yang terkait dari berbagai database besar. Pada kecamatan
koto baru terdapat jumlah populasi penerima bantuan yang besar memunculkan
kendala sulitnya menentukan data penerima bantuan yang benar-benar layak
menerima bantuan. Dengan menerapkan teknik data mining dan menggunakan
Algoritma K-Means dapat memudahkan proses pengelompokan data penduduk
miskin yang berhak agar penerima Bantuan Pangan Non Tunai (BPNT) tepat
sasaran dan berguna bagi yang membutuhkan. Pada penelitian ini data yang akan
digunakan sebanyak 1523 dengan 10 atribut. Hasil antara perhitungan manual
excel dan perhitungan tools WEKA. Jumlah Cluster 1 pada perhitungan manual
excel 864 data dengan persentase 58% dan Tools WEKA 621 data dengan
persentase 61%. Cluster 2 pada perhitungan manual excel 913 data dengan
persentase 42% dan Tools WEKA 572 data dengan persentase 39%. Atribut yang
paling berpengaruh yaitu jumlah penghasilan perbulan, karena semakin kecil
penghasilan yang diperoleh maka akan semakin besar kemungkinan masuk ke
Cluster 1 atau yang layak menerima Bantuan Pangan Non Tunai (BPNT).

Item Type:	Thesis (Skripsi)
Subjects:	Analisis Sistem Informasi
Divisions:	Skripsi > Teknik Informatika > 2024
Depositing User:	Digital Library
Date Deposited:	10 Oct 2024 04:56
Last Modified:	16 Oct 2024 03:58
URI:	https://repository.unama.ac.id/id/eprint/3928

Actions (login required)

View Item