<![CDATA[Self-help housing, built through community initiatives, is a crucial solution to address substandard housing in Indonesia. The Self-Help Housing Stimulant Assistance Program (BSPS) supports the construction of these houses. This study aims to implement the K-Means method to prioritize recipients of house renovation assistance based on socioeconomic data and housing conditions. Using 207 recipient data from Hulu Sungai Tengah Regency, the attributes considered include the number of dependents, monthly income, and house size. The clustering process resulted in two priority recipient clusters. The analysis results show that the K-Means method can classify aid recipients with an accuracy of 61%. Results of this study can help the government allocate resources more efficiently and effectively.Keywords: Clustering; Data Mining; K-Means; House Renovation AbstrakRumah swadaya yang dibangun atas inisiatif masyarakat adalah solusi penting untuk mengatasi masalah rumah tidak layak huni (RTLH) di Indonesia. Program Bantuan Stimulan Perumahan Swadaya (BSPS) mendukung pembangunan rumah swadaya ini. Penelitian ini bertujuan mengimplementasikan metode K-Means untuk mengelompokkan prioritas penerima bantuan bedah rumah berdasarkan data sosial ekonomi dan kondisi rumah. Menggunakan 207 data penerima bantuan dari Kabupaten Hulu Sungai Tengah, atribut yang dipertimbangkan meliputi jumlah tanggungan, penghasilan per bulan, dan luas rumah. Proses pengelompokan menghasilkan dua klaster prioritas penerima bantuan. Hasil analisis menunjukkan bahwa metode K-Means dapat mengelompokkan penerima bantuan dengan akurasi 61%. Hasil penelitian ini dapat membantu pemerintah dalam mengalokasikan sumber daya secara lebih efisien dan tepat sasaran. ]]>
Copyrights © 2024
