ALGORITMA K-MEANS UNTUK MENGELOMPOKAN BANTUAN SOSIAL DALAM PENENTUAN STRATEGI DISTRIBUSI DESA SIGONG

Abstract

Distribusi bantuan sosial di Desa Sigong, Kabupaten Cirebon sering terkendala ketidaktepatan sasaran. Penelitian ini bertujuan mengoptimalkan pengelompokan penerima bantuan sosial menggunakan algoritma K-Means dan metodologi Knowledge Discovery in Databases (KDD). Data sosial-ekonomi 500 keluarga dianalisis melalui seleksi data, praproses, transformasi, pengelompokan, dan evaluasi model dengan indeks Davies-Bouldin (DBI). Hasil menunjukkan dua klaster optimal dengan nilai DBI 0,614, yaitu klaster pertama (945 penerima) dengan kebutuhan rendah dan klaster kedua (139 penerima) dengan kebutuhan tinggi. Rekomendasi berbasis data dari klaster ini meningkatkan keakuratan distribusi bantuan yang lebih adil dan efisien. Hasil penelitian menunjukkan bahwa algoritma K-Means dapat menjadi alat yang efektif dalam mendukung pengambilan keputusan berbasis data untuk kebijakan sosial yang tepat sasaran.