Optimalisasi Manajemen Bantuan Sosial Dengan Implementasi Data Mining Menggunakan Algoritma K-Means Clustering

Abstrak

Penelitian ini mengkaji optimalisasi manajemen bantuan sosial di Indonesia menggunakan teknik data mining, khususnya algoritma k-means clustering. Bantuan sosial merupakan instrumen penting dalam mengurangi kemiskinan dan ketimpangan, namun pelaksanaannya sering menghadapi tantangan administratif dan logistik. Dengan mengelompokkan penerima bantuan berdasarkan data demografis dan kondisi ekonomi mereka, penelitian ini bertujuan untuk meningkatkan efisiensi dan efektivitas distribusi bantuan. Dataset dari Kelurahan Prailiu yang berisi 350 data penerima bantuan dianalisis menggunakan perangkat lunak RapidMiner. Hasil clustering menunjukkan bahwa pembagian data menjadi 4 cluster memberikan hasil terbaik dengan nilai Davies Bouldin sebesar -1.085, menunjukkan jarak antar item yang relatif dekat. Implementasi teknologi data mining memungkinkan pemerintah untuk mengidentifikasi kebutuhan spesifik kelompok penerima, mengurangi risiko pemborosan dan penyalahgunaan dana, serta meningkatkan dampak positif program bantuan sosial. Saran diberikan untuk terus mengembangkan sistem pengelolaan data dan melatih pengelola bantuan sosial dalam penggunaan teknologi ini untuk memastikan keberlanjutan dan peningkatan efektivitas program bantuan sosial.