ANALISIS KINERJA ALGORITMA K-MEANS DAN K-MEDOIDS DALAM PENGELOMPOKAN PENERIMA BANTUAN SOSIAL DI KELURAHAN TERJUN

Abstract

Perkembangan teknologi digital telah meningkatkan pengelolaan data, termasuk dalam penyaluran bantuan sosial. Namun, volume data yang besar dan kesamaan karakteristik masyarakat sering menyulitkan penentuan penerima bantuan secara manual. Penelitian ini menganalisis kinerja dua algoritma yaitu K-Means dan K Medoids, dalam mengelompokan data penerima bantuan sosial di Kelurahan Terjun. Menggunakan pendekatan kuantitatif dan teknik data mining berbasis clustering. Data akan dibagi menjadi tiga kelompok yaitu Menerima, Tidak Menerima, dan Butuh Validasi. Hasil penelitian menunjukkan meskipun kedua algoritma menghasilkan pola pengelompokan yang serupa, K-Medoids menunjukkan kinerja yang lebih baik dalam distribusi cluster dan visualisasi. Visualisasi cluster melalui PCA menunjukkan bahwa K-Medoids membentuk batas antar cluster yang lebih jelas dan penyebaran data yang lebih merata dibandingkan K-Means. Dapat disimpulkan bahwa K-Medoids lebih unggul dalam mengelompokan data penerima bantuan sosial dan dapat menjadi alternatif yang lebih efisien untuk penyaluran bantuan yang tepat sasaran.