Repository Universitas PakuanPENERAPAN METODE X-MEANS CLUSTERING UNTUK PENGELOMPOKAN CALON PENERIMA BANTUAN RUMAH TIDAK LAYAK HUNI (RUTILAHU) DI KECAMATAN KEMANGSuhendarSuhendarauthorPENERAPAN 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, ClusteringIlmu Komputer2026-01Universitas Pakuan;Fakultas Matematika dan Pengetahuan AlamThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant Repository Universitas Pakuan the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that Repository Universitas Pakuan does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at Repository Universitas Pakuan) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.