Article Per Year (5 Year)
p-Index From 2021 - 2026
3.116
P-Index
This Author published in this journals
All Journal HUMAN FALAH: Jurnal Ekonomi dan Bisnis Islam Sistemasi: Jurnal Sistem Informasi JMM (Jurnal Masyarakat Mandiri) JURTEKSI Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal JOURNAL OF SCIENCE AND SOCIAL RESEARCH Building of Informatics, Technology and Science EKONOMI, KEUANGAN, INVESTASI DAN SYARIAH (EKUITAS) Community Development Journal: Jurnal Pengabdian Masyarakat Jutsi: Jurnal Teknologi dan Sistem Informasi J-Com (Journal of Computer) Jurnal Masyarakat Indonesia Jurnal Bangun Abdimas Electronic Journal of Education, Social Economics and Technology Jurnal Manajemen Dan Akuntansi Medan
Endra Saputra
Universitas Royal
Religion Arts Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Nursing Public Health Social Sciences Veterinary Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
ANALISIS SPASIAL KEMISKINAN DENGAN K-MEANS DAN SISTEM INFORMASI GEOGRAFIS (SIG) DI DESA PONDOK BUNGUR Akmal Nasution; Mohd. Siddik; Endra Saputra
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4660

Abstract

Abstract: Poverty is a complex social problem and requires a more in-depth analytical approach. To determine the level of poverty in a community, variables such as education, employment, income, ownership, housing conditions, and access to clean water and electricity are needed. Pondok Bungur is a village in Asahan Regency consisting of 10 hamlets, the majority of whose residents have low incomes, do not own secondary necessities, use water other than from the Regional Water Company (PDAM), and have limited access to electricity. Due to the lack of a clear classification of welfare, social assistance is often not well-targeted. As a solution, data science techniques with the k-means algorithm are applied to classify the level of poverty in the village. This study aims to identify which hamlets have the highest, medium, and low levels of poverty while analyzing the spatial distribution of poverty in Pondok Bungur village by integrating the k-means method and a geographic information system. The targeted outputs of this study are publications in Sinta 3-accredited journals and ready-to-use systems/applications. The results of this study are expected to provide an overview of the spatial distribution of poverty and become a basis for decision-making for the local government. The Technology Readiness Level (TKT) of this research is at level 5, where the K-Means method has been tested on real-world datasets and can be applied to spatial analysis in a broader context. The developed geographic information system will be tested for its validity in visualizing poverty data to support data-driven policymaking. Keyword: Poverty; K-Means; GIS; Clustering; Spatial Analysis. Abstrak: Kemiskinan merupakan permasalahan sosial yang kompleks dan memerlukan pendekatan analitis yang lebih mendalam. Untuk menentukan tingkat kemiskinan dalam masyarakat, diperlukan variabel-variabel seperti pendidikan, pekerjaan, penghasilan, kepemilikan, kondisi tempat tinggal, serta akses terhadap air bersih dan listrik. Pondok bungur merupakan sebuah desa di Kabupaten Asahan yang terdiri dari 10 dusun, mayoritas penduduknya berpenghasilan rendah, tidak memiliki barang kebutuhan sekunder, menggunakan air yang bukan dari PDAM, dan memiliki akses listrik yang terbatas. Karena tidak adanya klasifikasi yang jelas mengenai kesejahteraan ini akibatnya bantuan sosial sering kali tidak tepat sasaran. Sebagai solusinya, teknik data science dengan algoritma k-means diterapkan untuk mengklasifikasikan tingkat kemiskinan di desa tersebut. Penelitian ini bertujuan untuk mengidentifikasi dusun mana yang memiliki tingkat kemiskinan tertinggi, menengah, dan rendah sekaligus menganalisis distribusi spasial kemiskinan di desa pondok bungur ini dengan mengintegrasikan metode k-means dan sistem informasi geografis. Luaran yang ditargetkan dari penelitian ini berupa publikasi jurnal terakreditasi sinta 3 dan sistem/aplikasi yang siap pakai. Hasil penelitian ini diharapkan dapat memberikan gambaran distribusi spasial kemiskinan dan menjadi dasar pengambilan keputusan bagi pemerintah daerah. Tingkat Kesiapan Teknologi (TKT) penelitian ini berada pada level 5, di mana metode K- Means telah diuji dengan dataset nyata dan dapat diterapkan untuk analisis spasial dalam lingkungan yang lebih luas. Sistem informasi geografis yang dikembangkan akan diuji validitasnya dalam memvisualisasikan data kemiskinan guna mendukung pengambilan kebijakan berbasis data.  Kata kunci: Kemiskinan; K-Means; SIG; Clustering; Analisis Spasial.
Co-Authors Adi Prijuna Lubis Akmal Nasution Aminatuzzariyah Panjaitan Anggi Masdalena Ari Dermawan Dalimunthe, Ruri Ashari Della Juwita Dewi Maharani Dwi Kurnia Utami Eliya Yuliana Elvie Yanti Gilang Nugroho Syahputra Jarod Iqbal Kamil Siregar Jeperson Hutahaean Jhonson Efendi Hutagalung Khairiah Khairiah Kifti, Wan Mariatul Mohd. Siddik Muhammad Umar Putra Muliyanti Muliyanti nurlailatul fadila Nurwati Nurwati Parimin - Pristiyanilicia Putri Raja Tama Andri Agus Riki Andri Yusda Rina Julita Risnawati Risnawati Rizaldi, Rizaldi Rizky Maulidya Rizky Pratama Rohminatin Rohminatin Rolly Yesputra Sopina Denisa Nasution Stella Natasya Suci Tia Vania Ayu Zulfi Azhar