Jurnal ICT : Information Communication & Technology

Vol. 18, N0.1, Juli 2019, pp. xx-xx

p-ISSN: 2302-0261, e-ISSN: 2303-3363, DOI:

ANALISIS CLUSTERING MENGGUNAKAN

ALGORITMA K-MEANS UNTUK MENENTUKAN
PENERIMA BANTUAN PROGRAM KELUARGA
HARAPAN
Saefudin Hardi
Program Studi Teknik Informatika, STMIK IKMI Cirebon, Indonesia
Email: Saefudinhardi@yahoo.com

INFORMASI ARTIKEL ABSTRAK

Abstract- Poverty is a condition that is below the standard value line
Histori artikel:
for minimum needs, rising for both food and non-food. In order to
Naskah masuk, 23 September 2019 tackle poverty, the Indonesian government has integrated various
Direvisi, 23 September 2019 programs. One of them is the Family Hope Program (PKH) which is a
Diiterima, 23 September 2019 social assistance based poverty alleviation program. PKH provides
conditional cash transfers to Very Poor Households (RTSM) which
include pregnant women, elementary school age children, junior high
school, senior high school, elderly and people with severe disabilities.
The amount of PKH assistance is determined based on the level of
family poverty. The poverty level parameter can be seen from the
many categories in the RTSM concerned accompanied by the
participant's obligation to carry out important commitments in the
health and education sectors. In this study the K-Means Clustering
method is proposed to overcome the problem of grouping poor
families based on the number of categories.
The final results of this grouping of poor families will be displayed in
the best cluster, cluster 2, which has many poverty conditions. Poor
families are grouped into 10 clusters from 40 clusters with the
accuracy of the K-Means Clustering method of -0.855. Based on
these results, the K-Means Clustering method can be said to have an
accuracy value of a high number of families and underprivileged in
helping grouping the family components of PKH participants.
Kata Kunci: Abstrak- Kemiskinan adalah sebuah kondisi yang berada di bawah
garis nilai standar kebutuhan minimum, naik untuk makanan maupun
Keluarga Miskin
non makanan. Dalam rangka menanggulangi masalah kemiskinan,
Program Keluarga harapan pemerintah indonesia memiliki berbagai program terintegrasi. Salah
satunya yaitu Program keluarga Harapan (PKH) yang merupakan
Algoritma K-means
program penanggulangan kemiskinan berbasis bantuan sosial. PKH
Clustering memberikan bantuan tunai bersyarat kepada Rumah Tangga Sangat
Miskin (RTSM) yang di dalamnya terdapat ibu hamil, anak usia SD,
SMP,SMA,lansia dan penyandang disabilitas berat. Besarnya
perolehan bantuan PKH ditentukan berdasarkan tingkat kemiskinan
keluarga. Parameter tingkat kemiskinan dilihat dari banyaknya
kategori dalam RTSM yang bersangkutan disertai kewajiban peserta
untuk menjalankan komitmen penting di bidang kesehatan dan
pendidikan. Dalam penelitian ini diusulkan metode K-Means
Clustering untuk mengatasi masalah peneglompokkan keluarga
miskin berdasarkan banyaknya kategori tersebut.
Hasil akhir dari pengelompokkan keluarga miskin ini akan
ditampilkan pada cluster terbaik yaitu cluster 2 dengan kategori yang
banyak syarat kemiskinannya. Pengelompokkan keluarga miskin
menjadi 10 cluster dari 40 cluster dengan akurasi metode K-Means

https://ejournal.ikmi.ac.id/index.php/jict-ikmi 1
Jurnal ICT : Information Communication & Technology p-ISSN: 2302-0261
Vol. 18, N0.1, Juli 2019, pp. xx-xx e-ISSN: 2303-3363

Clustering sebesar -0.855. Berdasarkan hasil tersebut, metode K-

Means Clustering dapat dikatakan mempunyai nilai akurasi jumlah
keluarga dan prasejahtera yang tinggi dalam membantu
pengelompokkan komponen keluarga peserta PKH.

Copyright © 2019 LPPM - STMIK IKMI Cirebon

This is an open access article under the CC-BY license

Penulis Korespondensi:
Nama Penulis Korespondensi
Program Studi Teknik Informatika,
Politeknik Purbaya Tegal
Jl. Pancakarya No.1, Kalimati Kajen Talang Tegal, Indonesia
Email: penulis.korespondensi@email.ac.id

1. Pendahuluan dapat mengganggu keberhasilan program ini adalah

Kesejahteraan merupakan tumpuan harapan
dan menjadi cita-cita luhur perjuangan bangsa
indonesia sejak proklamasi kemerdekaan. Selain itu
kesejahteraan merupakan hal yang menentukan
suatu pembangunan di suatu daerah. Kesejahteraan
masyarakat diharapkan meningkat dari tahun ke
tahun.
Pembangunan erat kaitannya dengan
pemenuhan kebutuhan masyarakat agar tercipta
sebuah kesejahteraan. Dalam mewujudkan
sebuah kesejahteraan masyarakat, pemerintah
harus juga memperhatikan masalah kemiskinan.
Karena kemiskinan merupakan hal yang tidak
dapat dilepaskan dari masalah pemenuhan
kebutuhan hidup. Kesejahteraan masyarakat
dapat diukur dengan kemampuan masyarakat
memenuhi kebutuhan hidupnya.[1]
Sementara itu, pemerintah dalam
menjalankan fungsinya melakukan berbagai
upaya dalam menanggulangi masalah
kemiskinan. Masalah kemiskinan berkaitan
dengan aspek-aspek seperti pendidikan, kesehatan,
dan lain-lain.[2]
Kemiskinan terjadi bukan hanya karena
rendahnya pendapatan tetapi juga karena
keterbatasan sarana dan prasarana rumah tangga.
Suatu rumah tangga tidak memiliki fasilitas buang
air besar belum tentu dapat dikatakan miskin
karena tingkat perekonomiannya cukup tinggi. Hal
ini terjadi karena rumah tangga tersebut
menerapkan pola kehidupan tempat tinggalnya.
Selama ini pemerintah telah berupaya
mengatasi permasalahan kemiskinan. Salah satunya
yaitu dengan memberikan bantuan kepada rumah
tangga miskin anatara lain dengan memberikan
bantuan langsung tunai (BLT), pemberian kartu
jaminan kesehatan dan lain sebagainya. Namun
permasalahan mendasar yang sangat penting dan
salah sasaran (mis-targeting). Salah satu
penyebabnya adalah belum adanya informasi
mengenai kondisi aktual kemiskinan pada setiap
kecamatan.
Untuk mengatasi hal tersebut, pemerintah
memerlukan gambaran kondisi sosial ekonomi
kecamatan di Kabupaten Cirebon berupa kegiatan
evaluasi dan studi kasus yang dapat
mengelompokkan kecamatan-kecamatan di
Kabupaten Cirebon untuk mengetahui karakteristik
kecamatan tersebut dalam bidang kemiskinan.
Sehingga dapat menentukan kecamatan mana saja
yang diprioritaskan untuk mendapatkan bantuan
dari pemerintah.
Dalam statistika, salah satu metode yang
digunakan untuk mengelompokkan variabel atau
objek adalah analisis clustering. Cluster adalah
sekelompokkan atau sekumpulan objek-objek data
yang similar satu sama lain dalam cluster yang
sama dan disimilar terhadap objek-objek yang
berbeda cluster.[3]
Pengelompokkan ini bermanfaat bagi
pemerintah dalam menentukan kecamatan mana
saja yang diprioritaskan untuk mendapatkan
bantuan. Oleh karena itu penulis tertarik untuk
melakukan penelitian mengenai hal tersebut dengan
judul “Analisis Clustering Menggunakan
Algoritma K-means Untuk Menentukan
Penerima Bantuan Program Keluarga harapan“
2. Landasan Teori
2.1 Clustering
Clustering merupakan salah satu metode
data mining yang bersifat tanpa arahan
(unsupervised), maksudnya metode ini
diterapkan tanpa adanya latihan (training)
dan tanpa ada guru (teacher) serta tidak
memerlukan target output. Dalam data
mining ada dua jenis metode clustering

https://ejournal.ikmi.ac.id/index.php/jict-ikmi 2
Jurnal ICT : Information Communication & Technology p-ISSN: 2302-0261
Vol. 18, N0.1, Juli 2019, pp. xx-xx e-ISSN: 2303-3363

yang digunakan dalam pengelompokan

data, yaitu hierarchical clustering dan non-
hierarchical clustering.[4]
2.2 K-Means
K-Means merupakan algoritma clustering
yang berulang. Algoritma K-Means
dimulai dengan pemilihan secara acak K,
K disini merupakan banyaknya cluster
yang ingin dibentuk kemudian tetapkan Gambar 1. Gambar Cluster Jumlah Keluarga dan
nilai-nilai K secara acak, untuk sementara Pra Sejahtera
nilai tersebut menjadi pusat dari cluster
atau biasa disebut dengan centroid, mean Gambar 1. Gambar Cluster Jumlah
atau “means” hitung jarak setiap data yang Keluarga dan Pra Sejahtera menggunakan chart
ada terhadap masing-masing centroid rapid miner yang menggambarkan pengelompokan
menggunakan rumus Euclidean hingga Jumlah Keluarga dan Pra Sejahtera dengan
ditemukan jarak yang paling dekat dari mengelompokan 5 cluster yaitu Cluster 0 yang
setiap data dengan centroid. Klasifikasikan terdiri dari 40 Kecamatan
setiap data berdasarkan kedekatannya
dengan centroid. Lakukan langkah tersebut Table 1. Tabel Jumlah Keluarga Tahun 2016
hingga nilai centroid stabil.[5]
Jumlah K2 K3 K4 K5
Keluarga
3. Metode Penelitian
Cluster 0 0.241 0.230 0.257 0.212
Penelitian ini bersifat deskriptif, yaitu
Cluster 1 0.181 0.257 0.160 0.163
mendeskripsikan karakteristik atau ciri-ciri
kelompok, kejadian atau fenomena [6]. Terkait Cluster 2 0.181 0.230 0.257
dengan lingkup dan batasan penelitian, penelitian Cluster 3 0.194 0.230
ini akan berfokus untuk mengelompokan Cluster 4 0.142
Kecamatan mana saja yang harus diprioritaskan
untuk mendapatkan dana bantuan Program Table 1. Tabel Pra Sejahtera merupakan Data
Keluarga Harapan berdasarkan dari partisipasi Pra Sejahtera di BPS tahun 2016 yang
dibidang Kesehatan dan pendidikan dari data yang menggunakan rapid miner yang sudah dicoba pada
telah didapatkan dari Kantor Badan Pusat Statistik rapid miner tersebut yang diawali dari K2 (K-
(BPS) tahun 2016. means 2), K3, K4, K5 yang didalam nya
Data-data ini berisi data partisipasi Pendidikan dikelompokan terdiri dari Cluster 0, Cluster 1,
dan kesejahteraan, namun dalam penelitian ini Cluster 2, Cluster 3, Cluster 4 yang Data Jumlah
menggunakan beberapa atribut data, seperti Jumlah Keluarganya sudah tercantum pada table tersebut.
Kartu Keluarga,Pra Sejatera dan Pendidikan. Semua
data yang telah didapatkan tadi kemudian diolah Table 2. Cluster Model Pra Sejahtera
untuk dapat dianalisa sehingga menghasilkan K- K2 K3 K4 K5 Jumlah
informasi yang berguna untuk mengatasi means Kecamatan
permasalahan tersebut. Pengolahan data ini Cluster 0.298 0.244 0.377 0.358 40
menggunakan teori-teori dari algoritma K-Means 0 Kecamatan
Clustering. Dengan Algoritma K-Means Clustering Cluster 0.308 0.377 0.285 0.256 40
ini, data yang diperoleh dikelompokkan berdasar 1 Kecamatan
kemiripan karakteristik dari setiap data, sehingga Cluster 0.308 0.244 0.377 40
dapat ditemukan informasi yang tersembunyi dari 2 Kecamatan
data-data tersebut. Berdasarkan analisa dan Cluster 0.322 0.244 40
pengolahan data, maka dapat diambil kesimpulan 3 Kecamatan
dari penelitian yang telah dilakukan. Kesimpulan Cluster 0.275 40
tersebut akan menjawab rumusan masalah yang 4 Kecamatan
telah ditetapkan diawal.
Table 2. Cluster Model ini merupakan data
4. Hasil dan Pembahasan Pra Sejatera yang sudah di kelompokan menjadi
Berdasarkan hasil pengelompokan data beberapa cluster yang terdiri dari Cluster 0, Cluster
menggunakan metode k-means clustering 1, Cluster 2, Cluster3, Cluster 4 yang jumlah
didapatkan hasil clustering sebagai berikut: seluruh Kabupaten Cirebon tahun 2016 ada 40
Kecamatan. Hasil k-means yang dicoba jumlah
yang ada pada cluster berbeda-beda.

https://ejournal.ikmi.ac.id/index.php/jict-ikmi 3
Jurnal ICT : Information Communication & Technology p-ISSN: 2302-0261
Vol. 18, N0.1, Juli 2019, pp. xx-xx e-ISSN: 2303-3363

5. Kesimpulan
Algoritma K-Means Clustering adalah
Metode Klasterisasi berdasarkan
persamaan karakteristik, dan merupakan
metode yang sangat berguna karena
mampu menstranslasi ukuran persamaan
yang intitif menjadi ukuran yang
kuantitatif. Pada pengelompokkan data
Program Keluarga Harapan (PKH) dengan
metode K-Means Clustering ini
kesimpulan yang dapat diperoleh pada
pengembangan sistem dengan
menggunakan metode K-Means
Clustering untuk pengelompokkan dana
bantuan penerima Program Keluarga
Harapan adalah Algoritma K-Means
Clustering dapat digunakan untuk
mengelompokkan dana penerima Program
keluarga Harapan di Kabupaten Cirebon.
6. Saran
Mencari nilai k- terbaik dari algoritma
klasterisasi K-Means dan untuk
mendapatkan data yang lebih baik dalam
proses clusterisasi, maka harus dilakukan
proses preproccessing data agar tidak
terdapat data yang ambigu atau tidak valid
yang dapat mengakibatkan hasil cluster
tidak maksimal.

https://ejournal.ikmi.ac.id/index.php/jict-ikmi 4
Jurnal ICT : Information Communication & Technology p-ISSN: 2302-0261
Vol. 18, N0.1, Juli 2019, pp. xx-xx e-ISSN: 2303-3363

Daftar Pustaka
[1] K. Purwoasri, K. Kediri, D. Utomo, A. Hakim,
and H. Ribawanto, “PELAKSANAAN
PROGRAM KELUARGA HARAPAN DALAM
MENINGKATKAN KUALITAS HIDUP
RUMAH TANGGA MISKIN ( Studi pada Unit
Pelaksana Program Keluarga Harapan,” vol. 2,
no. 1, pp. 29–34, 1996.
[2] S. Virgoreta, Pratiwi, “Implementasi Program
Keluarga Harapan ( Pkh ) Dalam Upaya
Meningkatkan Kesejahteraan Masyarakat,” J.
Adminstrasi Publik, vol. 2, no. 12, pp. 1–5,
2015.
[3] B. M. Metisen and H. L. Sari, “ANALISIS
CLUSTERING MENGGUNAKAN METODE
K-MEANS DALAM PENGELOMPOKKAN
PENJUALAN PRODUK PADA SWALAYAN
FADHILA,” vol. 11, no. 2, pp. 110–118, 2015.
[4] M. Anggara, H. Sujiani, and N. Helfi,
“Pemilihan Distance Measure Pada K-Means
Clustering Untuk Pengelompokkan Member Di
Alvaro Fitness,” J. Sist. dan Teknol. Inf., vol. 1,
no. 1, pp. 1–6, 2016.
[5] G. Motors and W. Europe, “No 主観的健康感
を中心とした在宅高齢者における 健康関連
指標に関する共分散構造分析Title,” vol. 1,
no. 1, pp. 72–77, 2018.
[6] A. Nursalim and H. Sulastianto,
“DEKONSTRUKSI MOTIF BATIK KERATON
CIREBON: PENGARUH RAGAM HIAS
KERATON PADA MOTIF BATIK CIREBON.”

https://ejournal.ikmi.ac.id/index.php/jict-ikmi 5