PENERAPAN METODE K-MEANS UNTUK PEMETAAN CALON PENERIMA JAMKESDA
Abstract
Kelurahan Kemuning, one of the Social Welfare Section, there is poor community service to receive Regional Health Insurance. During this section of Social Welfare Section in Kelurahan Kemuning, there is no method that can classify the level of poverty so that the beneficiaries on target, so the Kelurahan can't prevent the inaccuracies. Therefore, poverty grouping can assist Kelurahan in making the right decision to prevent the inaccuracies of recipients of Regional Health Insurance. In this research, the application of the k-means method is implemented in an application made with 2 clusters. This study uses as many as 440 data samples. From result of calculation of Davies Bouldin Index obtained value determination of cluster amount with value 2 cluster (0,243), 3 cluster (0,256), 4 cluster (0,275). The value used is 2 clusters because the value is close to 0.
Keywords: : data mining, k-means, poverty, davies bouldin index
Pada Kelurahan Kemuning salah satunya Seksi Kesejahteraan Sosial (KESSOS) terdapat pelayanan masyarakat miskin untuk menerima bantuan Jaminan Kesehatan Daerah (JAMKESDA). Selama ini bagian Seksi KESSOS pada Kelurahan Kemuning belum ada metode yang dapat mengelompokkan tingkat kemiskinan agar penerima bantuan tepat sasaran, sehingga pihak Kelurahan tidak dapat mencegah ketidaktepatsasaran tersebut. Oleh sebab itu, pengelompokan kemisikinan dapat membantu pihak Kelurahan dalam mengambil keputusan yang tepat untuk mencegah ketidaktepatsasaran penerima JAMKESDA. Pada penelitian ini, penerapan metode K-Means diimplementasikan pada aplikasi yang dibuat dengan 2 klaster. Penelitian ini menggunakan sebanyak 440 sampel data. Dari hasil perhitungan Davies Bouldin Index diperoleh nilai penentuan jumlah cluster dengan nilai 2 klaster (0.243), 3 klaster (0.256), 4 klaster (0.275). Nilai yang digunakan adalah 2 klaster karena nilai tersebut mendekati 0.
Kata kunci: data mining, k-means, kemiskinan, davies bouldin indexFull Text:
PDFReferences
Kelurahan Kemuning, “Data Penerima Jamkesda” Banjarbaru, 2016.
C. A. Nugroho, R. A. Hendrawan dan I. Hafidz, “Clustering Kelompok Swadaya Masyarakat (KSM) dalam Menentukan Kebijakan Bantuan Badan Pemberdayaan Masyrakat di Kota Surabaya dengan Menggunakan Metode Self-Organizing Map (SOM) dan K-Means”, Teknik ITS, vol. Vol. 1 No. 1, pp. A-368, 2012.
Z. Aras Z dan S. , “Analisis Data Mining Untuk Menentukan Kelompok Prioritas Penerima Bantuan Bedah Rumah Menggunakan Metode Clustering K-Means”, Jurnal Manajemen Sistem Informasi, vol. Vol 1 No. 2, pp. 159-170, 2016.
E. Prasetyo, "Data Mining Mengolah Data menjadi Informasi dengan Matlab", Yogyakarta: Andi, 2016.
W. Nengsih, “DESCRIPTIVE MODELLING MENGGUNAKAN K-MEANS UNTUK PENGCLUSTERAN TINGKAT KEMISKINAN DI PROPINSI RIAU”, 2016.
F. Fajrianti, M. N. Bustan dan M. A. Tiro, “PENGGUNAAN ANALISIS CLUSTER K-MEANS DAN ANALISIS DISKRIMINAN DALAM PENGELOMPOKAN DESA MISKIN DI KABUPATEN PANGKEP”, 2018.
A. N. Ulfah dan S. Uyun, “Analisis Kinerja Algoritma Fuzzy C-Means dan K-Means pada Data Kemiskinan” Jatisi, vol. Vol. 1 No. 2, pp. 139 -148, 2015.
J. Han dan M. Kamber, "Data Mining Concepts and Techniques, San Fransisco: Morgan Kaufmann", 2011.
C. Vercellis, Business Intelligence: "Data Mining and Optimization for Decision Making", Italy: Wiley, 2009.
D. T. Larose, "DISCOVERING KNOWLEDGE IN DATA", America: Wiley, 2005.
A. E. Putri dan M. Budiharto, "Paham JKN (Jaminan Kesehatan Nasional)", Jakarta: Friedrich-Ebert-Stiftung, 2014.
Agusta dan Yudi, K-Means, "Web Blog For Data Mining and Clustering", Yogyakarta: Andi, 2001.
DOI: http://dx.doi.org/10.20527/klik.v5i2.157
Copyright (c) 2018 KLIK - KUMPULAN JURNAL ILMU KOMPUTER
This work is licensed under a Creative Commons Attribution 4.0 International License.
This work is licensed under a Creative Commons Attribution 4.0 International License. View My Stats