PENGCLUSTERAN JENIS USAHA UKM BERDASARKAN PROGRAM BANTUAN DI KOTA BINJAI MENGGUNAKAN ALGORITMA K-MEANS

Siti Nur Azizah, Relita Buaton, Selfira Selfira

Abstract


Penelitian ini bertujuan untuk mengelompokkan jenis usaha UKM berdasarkan program bantuan yang diterima di Kota Binjai menggunakan algoritma K-Means. Permasalahan distribusi bantuan yang belum tepat sasaran dan tidak merata mendorong perlunya pemetaan berbasis data. Metode yang digunakan adalah algoritma K-Means yang diimplementasikan dengan MATLAB R2014a, dengan variabel domisili kecamatan, jenis usaha, dan jenis bantuan. Pengujian dilakukan dengan jumlah cluster 3 hingga 6 untuk menentukan model paling optimal. Hasil terbaik diperoleh pada model 6 cluster dengan nilai cluster variance terendah sebesar 0,7759, menunjukkan distribusi data yang paling kompak. Masing-masing cluster memiliki karakteristik berbeda yang merepresentasikan kebutuhan spesifik UKM di tiap wilayah. Dengan pendekatan ini, strategi penyaluran bantuan dapat dilakukan secara lebih objektif, efisien, dan sesuai kebutuhan. Penelitian ini diharapkan menjadi acuan dalam pengambilan keputusan berbasis data oleh pemerintah daerah dalam mendukung pemerataan ekonomi di Kota Binjai.


Keywords


UKM, program bantuan, pengelompokan data, K-Means, MATLAB.

Full Text:

PDF

References


Alfianti, Zulia Imami. 2023. “PENGELOMPOKAN WILAYAH KASUS BALITA STUNTING DI INDONESIA MENGGUNAKAN ALGORITMA K-MEANS.” Jurnal Ilmiah Informatika Komputer 28(3): 173–85. doi:10.35760/ik.2023.v28i3.8876.

Billy Hendrik, Mardhiah Masril, Hasri Awal, and Firdaus. 2024. “SOSIALISASI PEMANFAATAN DATA ANALYTICS DENGAN BIG DATA DAN MACHINE LEARNING UNTUK EFISIENSI DAN AKURASI PENYALURAN SOSIAL MASYARAKAT DI KOTO PARAK.”

Buaton, Zarlis, and Verdi. 2021. Konsep Data Mining Dalam Implementasi. Medan: Penerbit Mitra Wacana Media.

Damanik, Yeusi Fani Selfrida Yani, Sumarno Sumarno, Indra Gunawan, Dedy Hartama, and Ika Okta Kirana. 2021. “Penerapan Data Mining Untuk Pengelompokan Penyebaran Covid-19 Di Sumatera Utara Menggunakan Algoritma K-Means.” Jurnal Ilmu Komputer dan Informatika 1(2). doi:10.54082/jiki.13.

dan Abdul Halim Talli, Masyita, Program Bantuan Modal Berbasis Dusun dan Rukun Warga Perspektif Siyasah, and Abdul Halim Talli. 2022. “Nomor 2, Mei 2022 Syar’iyyah.” 3(2): 293–303. https://bantaengkab.bps.go.id.

Deny, Siddik, Herman, and Syahril. 2021. Teknik Evaluasi Cluster Solusi Menggunakan Python Dan RapidMiner. Pekanbaru.

Jelita, Tiara, Relita Buaton, Magdalena Simajuntak, and Stmik Kaputama. 2023. 3 Journal of Computer Science and Information Technology E-ISSN Pengelompokan Bidang Usaha Terhadap Bantuan Produktif Usaha Mikro (BPUM) Berdasarkan Wilayah Deli Serdang Menggunakan Metode Clustering K-Means (Studi Kasus: Dinas Koperasi Dan UMKM Kabupaten Deli Serdang).

Juniar. 2021. Kombinasi K-Means Clustering Dan Metode MOORA. Medan: CV BUDI UTAMA.

Khalif, Assyifa, Anisa Nur Hasanah, Muhammad Hafizh Ridwan, Betha Nurina Sari, Kata Kunci -Kemiskinan, Metodologi Crisp-dm, and Pembangunan Berkelanjutan. 8 Generation Journal Klasterisasi Tingkat Kemiskinan Di Indonesia Menggunakan Algoritma K-Means.

Muhamad Arhami, and Muhammad Nasir. 2020. Data Mining Algoritma Dan Implementasi. Buketrata.

Nabila, Zulfa, Auliya Rahman Isnain, and Zaenal Abidin. 2021. “ANALISIS DATA MINING UNTUK CLUSTERING KASUS COVID-19 DI PROVINSI LAMPUNG DENGAN ALGORITMA K-MEANS.” Jurnal Teknologi dan Sistem Informasi (JTSI) 2(2): 100. http://jim.teknokrat.ac.id/index.php/JTSI.

Nur Afidah, Nayla. 2023. “Penerapan Metode Clustering Dengan Algoritma K-Means Untuk Pengelompokkan Data Migrasi Penduduk Tiap Kecamatan Di Kabupaten Rembang.” PRISMA, Prosiding Seminar Nasional Matematika 6: 729–38. https://journal.unnes.ac.id/sju/index.php/prisma/.

Rani, Mei, Amalia : Analisis, Pengaruh Pelatihan, Bantuan Modal, Dan Cara, and Mei Rani Amalia. STUDI KASUS UMKM SENTRA BATIK DESA BENGLE KAB. TEGAL.

Rindi Asti Ananda, Yani Maulita, and Husnul Khair. 2024. “Clustering Menggunakan Algoritma K-Means Untuk Mengelompokan Data Perjudian Berdasarkan Wilayah Di Kota Binjai (Studi Kasus : Pengadilan Negeri Binjai).” Switch : Jurnal Sains dan Teknologi Informasi 2(4): 167–80. doi:10.62951/switch.v2i4.226.

Sefti Arif Lubis Paidi Hidayat, Muhammad. ANALISIS DAYA SAING EKONOMI KOTA BINJAI PROVINSI SUMATERA UTARA.

Sidabutar, Yuanita F D, M Si, St Edi Indera, M Si Program, Studi Magister, and Perencanaan Wilayah. 2021. Jurnal Potensi Program Studi Magister Perencanaan Wilayah Universitas Batam Volume I.

Sri, Eko, and Supina. 2021. DATA MINING DENGAN SECISION TREE C4.5 DAN APRIORI (Konsep Dan Implementasi Menggunakan Rapid Miner Dan WEKA). Medan.




DOI: https://doi.org/10.46576/device.v6i2.7277

Article Metrics

Abstract view : 0 times
PDF – 0 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Siti Nur Azizah

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY
Terindeks pada:

   

Member Of :


DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY

Published by :
FAKULTAS TEKNIK DAN ILMU KOMPUTER
PROGRAM STUDI SISTEM INFORMASI
UNIVERSITAS DHARMAWANGSA

Alamat : Jl. K. L. Yos Sudarso No. 224 Medan
Kontak : Tel. 061 6635682 - 6613783  Fax. 061 6615190
E-mail  : admin_device@dharmawangsa.ac.id

 Creative Commons License

Device : Journal Of Information System, Computer Science And Information Technology by Universitas Dharmawangsa is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Based on a work at http://jurnal.dharmawangsa.ac.id/index.php/device