Application of K-Means Algorithm on Clustering Recipients of Non-Cash Food Assistance (NCFA)

Said Nanda Saputra, Elin Haerani, J. Jasril, Lola Oktavia, Fadhilah Syafria
{"title":"Application of K-Means Algorithm on Clustering Recipients of Non-Cash Food Assistance (NCFA)","authors":"Said Nanda Saputra, Elin Haerani, J. Jasril, Lola Oktavia, Fadhilah Syafria","doi":"10.24114/cess.v8i2.48026","DOIUrl":null,"url":null,"abstract":"Persoalan Kemiskinan pada berbagai daerah Indonesia menjadi fokus perhatian. Program BPNT (Bantuan Pangan Non Tunai) bermaksud memangkas biaya pangan dan membagikan gizi yang sepadan terhadap KPM (Keluarga Penerima Manfaat). Penelitian ini menerapkan algoritma K-Means untuk menganalisis pola karakteristik penerima BPNT di Pekanbaru. Data yang digunakan berasal dari penelitian sebelumnya oleh Firza Syahputra dan dari Dinas Sosial Kota Pekanbaru tahun 2020-2021 dengan 732 data dan 41 parameter. Penerapan K-Means dilakukan melalui Google Colab. Melalui data mining dan metode clustering, ditemukan dua klaster dengan 666 data dalam klaster 1 dan 16 data dalam klaster 2. Evaluasi menggunakan Silhouette Score menunjukkan hasil yang baik, dengan nilai 0.9169796594018274. Penelitian ini berpotensi membantu pemerintah dalam mengambil keputusan yang efektif selama penyebaran bantuan pangan non tunai kepada rakyat yang membutuhkan. Dengan demikian, algoritma K-Means Clustering dapat mengidentifikasi pola karakteristik penerima BPNT dan membedakan kelompok yang layak dan tidak layak menerima bantuan.Poverty issues in various parts of Indonesia are the focus of attention. The NCFA (Non-Cash Food Assistance) program's purpose are to lower food consumption and give Beneficiary Families (BF) a healthy diet. The k-means technique use in this study to assess the distinctive patterns of NCFA grantees in Pekanbaru. The data used comes from previous research by Firza Syahputra and from Social Affairs Office Pekanbaru in 2020-2021 with 732 data and 41 parameters. The application of k-means is done through Google Colab. Through data mining and clustering methods, two clusters were found with 666 data in cluster 1 and 16 data in cluster 2. Evaluation using Silhouette Score showed good results, with a value of 0.9169796594018274. This research has the potential to assist the government in making effective decisions in distributing non-cash food help people in need. For the result, the k-means Clustering technique is able to recognize the traits of NCFA recipients and identify groups that are and are not eligible for aid.","PeriodicalId":53361,"journal":{"name":"CESS Journal of Computer Engineering System and Science","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-07-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"CESS Journal of Computer Engineering System and Science","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24114/cess.v8i2.48026","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Persoalan Kemiskinan pada berbagai daerah Indonesia menjadi fokus perhatian. Program BPNT (Bantuan Pangan Non Tunai) bermaksud memangkas biaya pangan dan membagikan gizi yang sepadan terhadap KPM (Keluarga Penerima Manfaat). Penelitian ini menerapkan algoritma K-Means untuk menganalisis pola karakteristik penerima BPNT di Pekanbaru. Data yang digunakan berasal dari penelitian sebelumnya oleh Firza Syahputra dan dari Dinas Sosial Kota Pekanbaru tahun 2020-2021 dengan 732 data dan 41 parameter. Penerapan K-Means dilakukan melalui Google Colab. Melalui data mining dan metode clustering, ditemukan dua klaster dengan 666 data dalam klaster 1 dan 16 data dalam klaster 2. Evaluasi menggunakan Silhouette Score menunjukkan hasil yang baik, dengan nilai 0.9169796594018274. Penelitian ini berpotensi membantu pemerintah dalam mengambil keputusan yang efektif selama penyebaran bantuan pangan non tunai kepada rakyat yang membutuhkan. Dengan demikian, algoritma K-Means Clustering dapat mengidentifikasi pola karakteristik penerima BPNT dan membedakan kelompok yang layak dan tidak layak menerima bantuan.Poverty issues in various parts of Indonesia are the focus of attention. The NCFA (Non-Cash Food Assistance) program's purpose are to lower food consumption and give Beneficiary Families (BF) a healthy diet. The k-means technique use in this study to assess the distinctive patterns of NCFA grantees in Pekanbaru. The data used comes from previous research by Firza Syahputra and from Social Affairs Office Pekanbaru in 2020-2021 with 732 data and 41 parameters. The application of k-means is done through Google Colab. Through data mining and clustering methods, two clusters were found with 666 data in cluster 1 and 16 data in cluster 2. Evaluation using Silhouette Score showed good results, with a value of 0.9169796594018274. This research has the potential to assist the government in making effective decisions in distributing non-cash food help people in need. For the result, the k-means Clustering technique is able to recognize the traits of NCFA recipients and identify groups that are and are not eligible for aid.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
K-Means算法在非现金粮食援助受助人聚类中的应用
印度尼西亚各地的贫困问题已成为一个焦点。BPNT计划旨在收取食品成本,并分享与KPM相对应的费用。本研究使用K-Means算法来分析Pekanbaru的BPNT接受者的特征模式。所使用的数据来自Firza Syahputra和Pekannew City社会中心在2020-2021年的先前研究,共有732个数据和41个参数。K-Means渲染是通过Google Colab完成的。通过挖掘数据和聚类方法,发现了两个聚类,其中聚类1中有666个数据,聚类2中有16个数据。使用Silhouette评分的评估显示出良好的结果,其值为0.9169796594018274。这项研究有可能帮助政府在向有需要的人提供非现金粮食援助期间做出有效决策。因此,K-Means聚类算法可以识别接受者BPNT的特征,并区分值得和不值得接受帮助的组。印度尼西亚各地的贫困问题是人们关注的焦点。NCFA(非现金食品援助)计划的目的是降低食品消费,并为受益家庭(BF)提供健康的饮食。本研究中使用的k均值技术评估了Pekanbaru NCFA受资助者的独特模式。所使用的数据来自Firza Syahputra和Pekanbaru社会事务办公室在2020-2021年的先前研究,共有732个数据和41个参数。k-means的应用是通过Google Colab完成的。通过数据挖掘和聚类方法,发现了两个聚类,聚类1中有666个数据,聚类2中有16个数据。使用Silhouette评分的评估显示出良好的结果,其值为0.9169796594018274。这项研究有可能帮助政府在分发非现金食品方面做出有效决策,帮助有需要的人。因此,k-means聚类技术能够识别NCFA接受者的特征,并识别有资格和没有资格获得援助的群体。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
40
审稿时长
4 weeks
期刊最新文献
Implementation of the Multimedia Development Life Cycle in Making Educational Games About Indonesia Data Mining Algorithm Decision Tree Itterative Dechotomiser 3 (ID3) for Classification of Stroke Implementation of Weight Aggregated Sum Product Assessment (WASPAS) on the Selection of Online English Course Platforms Usability of Brain Tumor Detection Using the DNN (Deep Neural Network) Method Based on Medical Image on DICOM Performance Comparison Analysis of Multi Prime RSA and Multi Power RSA
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1