PENERAPAN METODE X-MEANS CLUSTERING UNTUK PENGELOMPOKAN CALON PENERIMA BANTUAN RUMAH TIDAK LAYAK HUNI (RUTILAHU) DI KECAMATAN KEMANG

Suhendar, Suhendar (2026) PENERAPAN METODE X-MEANS CLUSTERING UNTUK PENGELOMPOKAN CALON PENERIMA BANTUAN RUMAH TIDAK LAYAK HUNI (RUTILAHU) DI KECAMATAN KEMANG. Skripsi thesis, Universitas Pakuan.

Full text not available from this repository.

Abstract

PENERAPAN METODE X-MEANS CLUSTERING UNTUK PENGELOMPOKAN CALON PENERIMA BANTUAN RUMAH TIDAK LAYAK HUNI (RUTILAHU) DI KECAMATAN KEMANG Suhendar , Prihastuti Harsani2, Siska Andriani3 1,2,3Program Studi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pakuan, Bogor, Jawa Barat, 16143, Indonesia Abstract Program Bantuan Rumah Tidak Layak Huni (RUTILAHU) merupakan salah satu upaya pemerintah dalam meningkatkan kualitas hunian masyarakat berpenghasilan rendah. Proses pengelompokan calon penerima bantuan yang masih dilakukan secara manual berpotensi menimbulkan subjektivitas dan kurang optimal dalam menganalisis data dalam jumlah besar. Penelitian ini bertujuan menerapkan metode X-Means Clustering untuk mengelompokkan calon penerima bantuan RUTILAHU di Kecamatan Kemang berdasarkan kondisi fisik rumah dan kondisi sosial ekonomi masyarakat. Penelitian menggunakan metodologi Cross Industry Standard Process for Data Mining (CRISP-DM) yang meliputi Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dataset yang digunakan berjumlah 721 data calon penerima bantuan dengan delapan atribut penelitian, yaitu jenis rumah, kepemilikan rumah, kondisi dinding, kondisi atap, kondisi lantai, jumlah tanggungan, penghasilan bulanan, dan tingkat kerusakan rumah. Tahap data preparation meliputi preprocessing, encoding, dan normalisasi data, sedangkan proses clustering dilakukan menggunakan algoritma X-Means yang mampu menentukan jumlah cluster secara otomatis berdasarkan nilai Bayesian Information Criterion (BIC). Hasil penelitian menunjukkan bahwa metode X-Means menghasilkan tiga cluster optimal yang merepresentasikan kategori ringan, sedang, dan berat. Evaluasi model memperoleh nilai Silhouette Score sebesar 0,3092, Davies-Bouldin Index (DBI) sebesar 1,3489, serta tingkat kesesuaian terhadap label referensi sebesar 97,64%. Model kemudian diimplementasikan ke dalam sistem berbasis web menggunakan framework Flask untuk mempermudah proses pengelompokan dan analisis data calon penerima bantuan RUTILAHU. Hasil penelitian menunjukkan bahwa metode X-Means Clustering mampu menghasilkan pengelompokan yang representatif sehingga dapat menjadi pendukung analisis dalam penentuan prioritas calon penerima bantuan RUTILAHU secara lebih objektif. Kata Kunci: X-Means Clustering, Data Mining, RUTILAHU, CRISP-DM, Clustering

Item Type:	Thesis (Skripsi)
Subjects:	Fakultas Ilmu Pengetahuan Alam dan Matematika > Ilmu Komputer
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer
Depositing User:	PERPUSTAKAAN FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNPAK
Date Deposited:	13 Aug 2026 02:37
Last Modified:	13 Aug 2026 02:37
URI:	http://eprints.unpak.ac.id/id/eprint/11174

Actions (login required)

View Item