PENERAPAN K-MEANS CLUSTERING DALAM PENGELOMPOKAN CALON PENERIMA BANTUAN SOSIAL BERBASIS DATA SOSIAL-EKONOMI DI KECAMATAN CIDAHU

Abstract

Program bantuan sosial memiliki peran penting dalam pengentasan kemiskinan, namun efektivitasnya sering terhambat oleh ketidaktepatan sasaran penerima. Di Kecamatan Cidahu, proses seleksi manual telah mengakibatkan subjektivitas, kurangnya transparansi, dan ketidakpuasan masyarakat. Penelitian ini bertujuan mengembangkan model data mining menggunakan metode clustering K-Means untuk mengelompokkan rumah tangga berdasarkan indikator sosial-ekonomi guna seleksi penerima bantuan sosial yang lebih objektif. Data dikumpulkan dari rekaman administratif yang memuat variabel seperti pendapatan bulanan, jumlah tanggungan, kondisi rumah, luas tanah, dan tingkat pendidikan. Setelah preprocessing dan standardisasi, jumlah klaster optimal (K=3) ditentukan menggunakan Metode Elbow dan Silhouette Score. Algoritma K-Means kemudian diterapkan untuk mengelompokkan rumah tangga menjadi tiga klaster: "Sangat Layak," "Layak," dan "Kurang Layak." Evaluasi menggunakan Silhouette Score (0,52) dan Davies-Bouldin Index (1,21) menunjukkan pemisahan klaster yang cukup baik. Model berhasil mengidentifikasi 65 rumah tangga sebagai penerima prioritas, membuktikan bahwa K-Means dapat memberikan landasan berbasis data untuk distribusi bantuan sosial yang lebih adil dan transparan. Penelitian ini berkontribusi secara metodologis dalam penerapan clustering pada konteks kebijakan sosial serta memberikan rekomendasi praktis bagi pemerintah daerah dalam pengambilan keputusan berbasis bukti.