Skripsi
PENERAPAN DATA MINING UNTUK CLUSTERING DATA PENDUDUK MISKIN DI KABUPATEN REJANG LEBONG MENGGUNAKAN METODE K-MEANS
The Social Service is a regional apparatus in charge of the social life of the community, including by registering the impoverished or underprivileged. Also the poverty line in Rejang Lebong Regency, Curup-Bengkulu increased in 2020 due to the pandemic. Grouping the poor or impoverished based on existing attributes by analyzing data based on clustering techniques is very necessary. In other words, this method serves to group data based on unique similarities and explain output patterns per cluster and can optimize poverty countermeasures in Rejang Lebong districts. Therefore, it's necessary to implement data mining at the Rejang Lebong’s Social Service, especially in the field of Social Empowerment and Handling of the impoverished in order to process poverty data into more informative data. This research uses K-Means Clustering Methods. Dinas Sosial merupakan instansi perangkat daerah yang bertugas di bidang sosial kehidupan masyarakat, termasuk dengan mendata masyarakat kurang mampu atau miskin. Dan garis kemiskinan di Kabupaten Rejang Lebong,Curup-Bengkulu meningkat lagi di tahun 2020 karena terdampak pandemi. Pengelompokkan masyarakat miskin berdasarkan atribut telah ada dengan menganalisis data berdasarkan teknik klasterisasi sangat dibutuhkan. Dengan kata lain metode ini berfungsi untuk mengelompokkan data berdasarkan kemiripan unik dan menjelaskan pola keluaran per klaster dan dapat mengoptimalkan penanggulangan kemiskinan di Kabupaten Rejang Lebong. Maka dari itu dibutuhkan implementasi data mining pada Dinas Sosial Rejang Lebong khususnya Bidang Pemberdayaan Sosial & Penanganan Fakir Miskin agar dapat memproses data kemiskinan menjadi sebuah data yang lebih informatif. Penelitian ini mengggunakan metode K-Means Clustering.
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
2107002614 | T50436 | T504362021 | Central Library (Referens) | Available but not for loan - Not for Loan |
No other version available