Penerapan Algoritma Mean-Shift Pada Clustering Penerimaan Bantuan Pangan Non Tunai
-
Rizuan Rizuan
*
Universitas Islam Negeri Sultan Syarif Kasim Riau, Kota Pekanbaru,
Indonesia
- Elin Haerani Universitas Islam Negri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia
- Jasril Jasril Universitas Islam Negri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia
- Lola Oktavia Universitas Islam Negri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia (*) Corresponding Author
Abstract
Kemiskinan merupakan kondisi individu atau sekumpulan individu yang tidak memiliki akses ke sumber daya yang memadai untuk memenuhi kebutuhan dasar serta menjalani kehidupan yang baik. Tujuan bantuan pangan non tunai adalah untuk memberikan bantuan pangan kepada yang membutuhkannya melalui metode non tunai, seperti kartu debit atau kartu elektronik. Penelitian ini bertujuan menemukan pola karakteristik calon penerima Bantuan Pangan Non Tunai (BPNT) berdasarkan kriteria dari Dinas Sosial Kota Pekanbaru. Berdasarkan hasil pengujian menggunakan Silhouette Score didapatkan kluster terbaik adalah 2 kluster dengan bandwidth 285 dan Silhouette Score 0.95 klaster 1 memiliki 680 data, dan klaster 2 memiliki 2 data. Hasil claster 1 memiliki pola status penguasaan tempat tinggal berstatus bebas sewa dan kontrak/sewa, untuk jenis lantai terluas adalah batu merah/ sementara, jenis adalah dinding plasteran dan jenis air konsumsi dari leding meteran. Sedangkan hasil cluster 2 memiliki pola penguasaan tempat tinggal berstatus milik sendiri, untuk jenis lantai adalah keramik, jenis dinding adalah tembok dan konsumsi air dari sumur bor pompa.
Downloads
References
K. Fadhli dan L. R. Nazila, “PENGARUH IMPLEMENTASI BANTUAN SOSIAL BPNT DAN PKH TERHADAP EFEKTIVITAS PENANGGULANGAN KEMISKINAN,” JURNAL EDUCATION AND DEVELOPMENT, vol. 11, no. 2, hlm. 196–202, Apr 2023, doi: 10.37081/ed.v11i2.4654.
I. H. H. Dina Islamiyati, “Pengaruh ZIS dan Faktor Makro Ekonomi Terhadap Tingkat Kemiskinan di Indonesia,” Jurnal Ekonomi, vol. 25, no. 1, hlm. 118, Mar 2020, doi: 10.24912/je.v25i1.631.
I. Irmanelly, A. Afrizal, dan F. Herlin, “Analisis Faktor-faktor yang mempengaruhi Pertumbuhan Ekonomi dan pengaruhnya terhadap Kemiskinan di Kabuparten/Kota Provinsi Jambi,” J-MAS (Jurnal Manajemen dan Sains), vol. 6, no. 2, hlm. 526, Okt 2021, doi: 10.33087/jmas.v6i2.320.
J. Hutagalung, D. Nofriansyah, dan M. A. Syahdian, “Penerimaan Bantuan Pangan Non Tunai (BPNT) Menggunakan Metode ARAS,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 1, hlm. 198, Jan 2022, doi: 10.30865/mib.v6i1.3478.
Veti Fadillah dan Pangestika Rizki Utami, “Pelaksanaan Program Pemerintah Bantuan Pangan Non Tunai (BPNT) dalam Rangka Mitigasi Dampak Covid – 19 di Kelurahan Sokanegara,” Jurnal Riset dan Pengabdian Masyarakat, vol. 2, no. 2, hlm. 120–132, Jul 2022, doi: 10.22373/jrpm.v2i2.1410.
N. Istriawati dan T. Dartanto, “Dampak Bantuan Pangan Non Tunai terhadap Konsumsi Makanan dan Rokok pada Rumah Tangga Miskin di Indonesia,” Journal of Education, Humaniora and Social Sciences (JEHSS), vol. 5, no. 2, hlm. 1158–1172, Nov 2022, doi: 10.34007/jehss.v5i2.1407.
A. Firdaus, Sujianto, dan Febri Yuliani, “Program Bantuan Pangan Non Tunai (BPNT) di Kecamatan Bengkalis : Suatu Evaluasi,” NeoRespublica: Jurnal Ilmu Pemerintahan, vol. 4, no. 1, hlm. 113–123, Des 2022, doi: 10.52423/neores.v4i1.36.
L. R. Nadhifah dan N. H. Mustofa, “Pengaruh PKH dan BPNT terhadap Kemiskinan dengan Pertumbuhan Ekonomi Sebagai Variabel Moderasi,” Al Maal: Journal of Islamic Economics and Banking, vol. 3, no. 1, hlm. 12, Jul 2021, doi: 10.31000/almaal.v3i1.4510.
M. Fikri, F. Helmiah, dan P. Putri, “Sistem Pendukung Keputusan Penentuan Penerimaan Bantuan Pangan Non Tunai Menerapkan Metode Simple Additive Weighting (SAW),” Building of Informatics, Technology and Science (BITS), vol. 4, no. 2, hlm. 490–499, Sep 2022, doi: 10.47065/bits.v4i2.2127.
E. Yulianti dan M. Farina, “SISTEM PENDUKUNG KEPUTUSAN PENERIMA BANTUAN PANGAN NON TUNAI (BPNT) UNTUK KELUARGA MISKIN MENGGUNAKAN METODE SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE (SMART),” Jurnal Teknoif Teknik Informatika Institut Teknologi Padang, vol. 8, no. 1, hlm. 7–13, 2020, doi: 10.21063/JTIF.2020.V8.1.
R. Yamasaki dan T. Tanaka, “Properties of Mean Shift,” IEEE Trans Pattern Anal Mach Intell, vol. 42, no. 9, hlm. 2273–2286, Sep 2020, doi: 10.1109/TPAMI.2019.2913640.
J. Chen, J. Yang, J. Huang, dan Y. Liu, “Robust truth discovery scheme based on mean shift clustering algorithm,” Journal of Internet Technology, vol. 22, no. 4, hlm. 835–842, 2021, doi: 10.53106/160792642021072204011.
H. Sadewo, Y. Satria, dan H. Burhan, “Application of Mean Shift Clustering to optimize matching problems in ridesharing for maximize the total number of match,” dalam Journal of Physics: Conference Series, IOP Publishing Ltd, Mar 2021. doi: 10.1088/1742-6596/1821/1/012019.
T. A. Cinderatama, R. Z. Alhamri, dan Y. Yunhasnawa, “Implementasi Metode K-Means, Dbscan, Dan Meanshift Untuk Analisis Jenis Ancaman Jaringan Pada Intrusion Detection System,” INOVTEK Polbeng - Seri Informatika, vol. 7, no. 1, hlm. 169, Jun 2022, doi: 10.35314/isi.v7i1.2336.
S. N. Fikriyah dan Y. Sibaroni, “Identify User Behavior based on Tweet Type on twitter Platform using Mean Shift Clustering,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 3, hlm. 1396, Jul 2022, doi: 10.30865/mib.v6i3.4329.
B. Hu, H. Tian, dan S. Fan, “Millimeter Wave LOS/NLOS Identification and Localization via Mean-Shift Clustering,” dalam 2019 IEEE 30th Annual International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC), IEEE, Sep 2019, hlm. 1–7. doi: 10.1109/PIMRC.2019.8904260.
F. SYAHPUTRA, “SISTEM PENDUKUNG KEPUTUSAN BANTUAN PANGAN NON TUNAI MENGGUNAKAN METODE FUZZY- ANALYTICAL HIERARCHY PROCESS DAN TOPSIS,” 2022.
C. Cariou, S. Le Moan, dan K. Chehdi, “A Novel Mean-Shift Algorithm for Data Clustering,” IEEE Access, vol. 10, hlm. 14575–14585, 2022, doi: 10.1109/ACCESS.2022.3147951.
Y. Zhou, Y. Feng, V. Tarokh, V. Gintautas, J. McClelland, dan D. Garagic, “Multi-Level Mean-Shift Clustering for Single-Channel Radio Frequency Signal Separation,” dalam 2019 IEEE 29th International Workshop on Machine Learning for Signal Processing (MLSP), IEEE, Okt 2019, hlm. 1–6. doi: 10.1109/MLSP.2019.8918879.
S. Chakraborty, D. Paul, dan S. Das, “Automated Clustering of High-dimensional Data with a Feature Weighted Mean Shift Algorithm,” 2021. [Daring]. Tersedia pada: www.aaai.org
Bila bermanfaat silahkan share artikel ini
Berikan Komentar Anda terhadap artikel Penerapan Algoritma Mean-Shift Pada Clustering Penerimaan Bantuan Pangan Non Tunai
Pages: 1019-1027
Copyright (c) 2023 Rizuan Rizuan, elin haerani, jasril jasril, lola oktavia
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
