Implementasi Metode Algoritma K-Means Clustering Untuk Menentukan Penerima Program Indonesia Pintar (PIP)
Main Article Content
Moh. Syahrul Iskandar
Zaehol Fatah
Program Indonesia Pintar (PIP) merupakan program pemerintah yang bertujuan untuk meningkatkan akses pendidikan bagi siswa dari keluarga kurang mampu. Mekanisme seleksi yang efektif dan akurat diperlukan untuk memastikan bantuan tepat sasaran. Algoritma k-means clustering untuk mengelompokkan siswa berdasarkan indikator tertentu, seperti jumlah siswa di sekolah yang berada pada kabupaten atau kota di tingkat (SD, SMP, SMA, dan Perguruan Tinggi). Tujuan dari metode ini untuk memudahkan pengambilan keputusan dalam menentukan penerima PIP dengan mengidentifikasi kelompok siswa yang paling membutuhkan dukungan. K-means clustering bekerja dengan membagi data menjadi beberapa cluster tergantung pada kesamaan pola fitur yang digunakan. Proses ini memungkinkan untuk mengidentifikasi kelompok siswa dengan prioritas dukungan berbeda, misalnya siswa dengan kebutuhan tinggi dan rendah. Pendekatan ini diharapkan dapat menjadikan hasil seleksi penerima PIP lebih obyektif dan efisien, serta membantu agar dapat diberikan dengan lebih akurat dan merata. Algoritma K-means dapat mengungkap pola tersembunyi pada data pendidikan dan lebih mendukung proses distribusi PIP. Hasil ini membantu pengambil kebijakan meningkatkan kualitas program dan memastikan bahwa dukungan menjangkau siswa yang benar – benar membutuhkannya.
A. Rohmah, F. Sembiring, and A. Erfina, “Implementasi Algoritma K-Means Clustering Analysis Untuk Menentukan Hambatan Pembelajaran Daring,” SISMATIK (Seminar Nas. Sist. Inf. dan Manaj. Inform., pp. 290–298, 2021, [Online]. Available: https://www.alfasoleh.com/2019/11/k-means-clustering-contoh
[2] F. O. Dayera, Musa Bundaris Palungan, “G-Tech : Jurnal Teknologi Terapan,” G-Tech J. Teknol. Terap., vol. 8, no. 1, pp. 186–195, 2024, [Online]. Available: https://ejournal.uniramalang.ac.id/index.php/g-tech/article/view/1823/1229
[3] S. Kasus and K. Banyumas, “IMPLEMENTASI KEBIJAKAN PROGRAM INDONESIA PINTAR (PIP) (Studi Kasus pada Sekolah Dasar di Kabupaten Banyumas),” vol. 8, pp. 224–232, 2020.
[4] Anggada Maulana, “Konsep Dasar Data Mining,” Konsep Data Min., vol. 1, pp. 1–16, 2018.
[5] K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (Dbd) Berdasarkan Provinsi,” Comput. Eng. Sci. Syst. J., vol. 3, no. 2, p. 173, 2018, doi: 10.24114/cess.v3i2.9661.
[6] N. Hadiza, W. N. Sari, and H. Afriyadi, “Perancangan Sistem Informasi Pengelolaan Surat Masuk dan Surat Keluar pada Kantor Dinas Pengendalian Penduduk dan Keluarga Berencana Kabupaten Sarolangun,” vol. 05, no. 04, pp. 11406–11414, 2023.
[7] E. Irwansyah and M. Faisal, Advanced Clustering: Teori dan Aplikasi. DeePublish, 2015. [Online]. Available: https://books.google.co.id/books?id=8y80BgAAQBAJ
[8] M. Triandini, S. Defit, and G. W. Nurcahyo, “Data Mining dalam Mengukur Tingkat Keaktifan Siswa dalam Mengikuti Proses Belajar pada SMP IT Andalas Cendekia,” J. Inf. dan Teknol., vol. 3, pp. 167–173, 2021, doi: 10.37034/jidt.v3i3.120.
Mardalius, M. (2018). Pemanfaatan Rapid Miner Studio 8.2 Untuk Pengelompokan Data Penjualan Aksesoris Menggunakan Algoritma K-Means. JURTEKSI (Jurnal Teknologi dan Sistem Informasi), 4(2), 123-132.
[9] A. Salam, D. Adiatma, and J. Zeniarja, “Implementasi Algoritma K-Means Dalam Pengklasteran untuk Rekomendasi Penerima Beasiswa PPA di UDINUS,” JOINS (Journal Inf. Syst., vol. 5, no. 1, pp. 62–68, 2020, doi: 10.33633/joins.v5i1.3350.
[10] L. G. Rady Putra and A. Anggrawan, “Pengelompokan Penerima Bantuan Sosial Masyarakat dengan Metode K-Means,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 1, pp. 205–214, 2021, doi: 10.30812/matrik.v21i1.1554.
