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.
