TY - THES Y1 - 2019/// AV - none UR - http://eprints.unpak.ac.id/3498/ A1 - Sartika, Inka A1 - Tita Tosida, Eneng A1 - Delli W, Fajar ID - eprintsunpak3498 N2 - Abstrak Kemiskinan merupakan salah satu masalah sosial yang ada di Indonesia, salah satunya berada pada Kecamata Ciawi Kabupaten Bogor yang terdiri dari 12 Desa dengan jumlah penduduk miskin sebanyak 1193 jiwa. Pemerintah telah melakukan upaya untuk mengurangi jumlah penduduk miskin melalui pemberian bantuan seperti jaminan kesehatan nasional, kartu indonesia sehat, program bantuan rumah tidak layak huni dan lainnya. Salah satu program penganggulangan kemiskinan yang akan diberikan oleh pemerintah Kota Bogor adalah bantuan rumah layak huni. Untuk prosedur pelaksanaan bantuan rumah tidak layak huni, maka rumah tidak layak huni harus mempunyai beberapa kriteria yaitu status kepemilikan rumah, status pendidikan, jumlah tangungan dan penghasilan yang didapat, sehingga dapat mengurangi resiko kesalahan pada saat pengambilan keputusan. Dalam sebuah pengambilan keputusan untuk menentukan bantuan rumah tidak layak huni diperlukan beberapa aspek atau syarat agar dapat memperkokoh suatu pengambilan keputusan tersebut. Syarat-syarat tersebut diantaranya meliputi Status kepemilikan rumah, status pendidikan dari calon penerima bantuan, jumlah tangungan calon penerima bantuan dan penghasilan yang didapat dari calon penerima bantuan, syarat-syarat tersebut akan menjadi rujukan dalam setiap pengambilan keputusan bantuan rumah tidak layak huni kedepanya. Oleh karena itu, untuk mendukung penuh suatu pengambilan keputusan bantuan rumah tidak layak huni maka diperlukan sebuah sistem aplikasi yang dapat berfungsi untuk menentukan sebuah keputusan yang valid sesuai dengan data yang sebenarnya sehingga hasil keputusan dapat diterima dengan baik. Penelitian ini berkaitan dengan program bantuan rumah tidak layak huni dari Kecamatan Ciawi Kabupaten Bogor yang mengimplementasikan model metode algoritma K-Means. Jumlah cluster yang digunakan dalam analisa dan pengolahan data adalah 2 cluster dan hasil clustering dievaluasi menggunakan Index Davis Bouldin yaitu 0,491 dengan kategori baik... Kata Kunci : RUTILAHU, Mengimplementasikan Clustering Model K-Means M1 - Skripsi TI - PENERIMAAN BANTUAN RUMAH TIDAK LAYAK HUNI DENGAN MENGIMPLEMENTASIKAN CLUSTERING MODEL K-MEANS PB - Universitas Pakuan ER -