<![CDATA[ABSTRAK Program bantuan sosial (Bansos) merupakan kebijakan penting yang diimplementasikan untuk mengatasi kemiskinan dan meningkatkan kesejahteraan masyarakat. Penelitian ini bertujuan untuk meningkatkan efektivitas program bantuan sosial di Kota Pangkalpinang melalui penerapan metode K-Means Clustering dalam pengelompokan kelurahan dengan tingkat kesejahteraan rendah. Data yang digunakan adalah Data Terpadu Kesejahteraan Sosial (DTKS) yang mencakup penerima bantuan dari berbagai program seperti PBI, BST, dan lainnya. Metode K-Means Clustering diterapkan untuk mengelompokkan kelurahan berdasarkan indikator kemiskinan, yang kemudian dianalisis untuk profilisasi cluster. Analisis Principal Component Analysis (PCA) dilakukan untuk mengatasi multikolinearitas antar variabel. Silhouette coefficient digunakan untuk menentukan jumlah cluster yang ideal untuk memastikan validitas pengelompokan. Hasil penelitian menunjukkan tiga cluster utama dengan nilai silhouette coefficient sebesar 0.458. Cluster pertama memiliki penerima bantuan terbanyak, sedangkan cluster ketiga memiliki penerima bantuan terendah. Penggunaan metode ini diharapkan dapat meningkatkan efektivitas dan efisiensi distribusi bantuan sosial dengan memastikan bantuan tepat sasaran sesuai dengan tingkat kemiskinan masing-masing kelurahan. Oleh karena itu, penelitian ini diharapkan dapat membantu kebijakan bantuan sosial Kota Pangkalpinang. ABSTRACT The social assistance program (Bansos) is an important policy implemented to address poverty and improve community welfare. This research aims to improve the effectiveness of social assistance programs in Pangkalpinang City through the application of the K-Means clustering method in grouping sub-districts with low welfare levels. The data used is the Integrated Social Welfare Data (SWD), which includes recipients of assistance from various programs such as PBI, BST, and others. The K-Means clustering method is applied to group villages based on poverty indicators, which are then analyzed for cluster profiling. Principal Component Analysis (PCA) is conducted to address multicollinearity among variables. The silhouette coefficient is used to determine the ideal number of clusters to ensure the validity of the clustering. The research results show three main clusters with a silhouette coefficient value of 0.458. The first cluster has the most aid recipients, while the third cluster has the fewest aid recipients.The use of this method is expected to improve the effectiveness and efficiency of social assistance distribution by ensuring that aid is targeted according to the poverty levels of each sub-district. Therefore, this research is expected to assist the social assistance policies of Pangkalpinang City.]]>
