p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal SmartComp
Mukidin Mukidin
Universitas Amikom Yogyakarta

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Analisis Data Mining untuk Penerima Bantuan Bedah Rumah Menggunakan Metode K-MEANS dan Višekriterijumsko Kompromisno Rangiranje Mukidin Mukidin; Susi Widyastuti
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 11, No 2 (2022): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v11i2.3506

Abstract

Usaha yang dilakukan oleh pemerintah dalam meningkatkan kesejahteraan masyarakat kurang mampu atau miskin, yaitu dengan meluncurkan suatu program bernama Bantuan Stimulan Perumahan Swadaya (BSPS) atau yang lebih dikenal dengan program bedah rumah. Salah satu implementasinya berada di Kecamatan Ciniru Kabupaten Kuningan, Jawa Barat. Pada tahun 2020 Kecamatan Ciniru mendapatkan Program BSPS sebanyak 107 Unit yang tersebar di dua desa, yakni Desa Pinara sebanyak 90 unit dan Desa Hantara sbanyak 17 unit. Di mana bantuan ini merupakan ajuan pembangunan baru untuk masyarakat terdampak bencana tahun 2018. Program ini merupakan kelanjutan dari Bantuan Simultan Perumahan Swadaya (BSPS) Pembangunan Baru Rumah Swadaya (PBRS) 2019, dengan jumlah bantuan sebesar Rp 35 juta. Untuk pengelompokkan digunakan metode clustering K-Means yang menggunakan beberapa kriteria yaitu lantai rumah, dinding rumah, atap rumah, fasilitas buang air besar, jenis wc, tempat pembuangan akhir tinja, jumlah anggota dalam keluarga dan status kesejahteraan. Lalu pada perangkingan digunakan salah satu dari metode multi attribute decision making yaitu VIKOR. Kriteria dalam melakukan perangkingan dari proses K-Means adalah sumber air minum, sumber penerangan rumah dan bahan bakar untuk memasak. Hasil analisis dengan menerapkan clustering k-means pada pengelompokkan keadaan rumah menggunakan 3 cluster, diperoleh hasil bahwa kluster pertama  sebanyak 160 rumah tangga miskin dengan keadaan rumah tidak layak, kluster kedua sebanyak 101 rumah tangga miskin dengan keadaan rumah yang sedang dan kluster ketiga sebanyak 49 rumah tangga miskin dengan keadaan rumah yang hampir layak.