Aplikasi Monitoring keluarga miskin menggunakanmetode k-Means Clustering berbasis mobile Gis: Studi kasus : PKH Kec Kedungkandang Kota Malang

مستخلص البحث

الفقر هو الظرف فى الحد الأدنى للقيمة القياسية ، سواء للغذاء أو غير الغذاء. لتغلب على مشكلة الفقر ، لدى حكومة إندونيسيا لها البرامج المتكاملة. واحدة منها هي برنامج الأمل العائلي (PKH) الذى هو برنامج لتخفيف حدة الفقر القائم على المساعدات الاجتماعية. يوفر PKH التحويلات النقدية المشروطة إلى الأسر الفقيرة للغاية (RTSM) التي توجد فيها نساء حوامل، والأطفال الصغار، والأطفال من المدارس الابتدائية، المتوسطة والثانوية ، وكبار السن ، والأشخاص ذوي الإعاقة الشديدة. تحدد مبلغ مساعدة برنامج الأمل العائلي على أساس مستوى فقر الأسرة. وتنظر معلمة مستوى الفقر من عدد الفئات في RTSM المعنية مع التزام المشاركين لتنفيذ التزامات الهامة في مجال الصحة والتعليم. في هذا البحث، استخدمت طريقة K-Means Clustering للتغلب على مشكلة تجميع الأسر الفقير على أساس عدد الفئات. سيتم تعرض النتيجة النهائية لهذه المجموعة، العائلية الفقيرة على تطبيق نظم المعلومات الجغرافية المتنقلة القائمة حيث موظفي PKH يمكن أن يعرف الطريق مباشرة إلى موقع المستفيد. مع بيانات الاختبار 112 بيانات عائلية في منطقة كيدونغكاندانغ في عام 2016 ، خلصت أن النظام قادر على تجميع العائلات الفقير في 7 مجموعات مع دقة طريقة K-Means Clustering بنسبة 92.8٪. واستناداً إلى هذه النتائج ، وطريقة K-Means Clustering لها قيمة الدقة العالية في مساعدة تجميع المكون العائلي لاعضاء برنامج الأمل العائلي

ABSTRACT

Poverty is a condition under a value standardization of minimum needs, whether for food or non-food. To overcome the poverty problem, Indonesian government has many integrations program. One of it is Program Keluarga Harapan (PKH) which is a program for overcoming poverty in the basis of social helping. PKH gives conditional cash helping for the poor family (RTSM) which includes pregnant mom, babies, and children in the age of elementary, junior, senior high school, old people and disabilities. The amount of PKH assist gaining is decided on the level of poor family. Parameter level of poverty can be seen from the categorizations in the RTSM which is concerned with participant duty to do the important commitment in the health and education. In this research, using K-Means Clustering methods to solve the grouping problems of poor family based on those categorizations. The result of this grouping problem of poor family will be performed in the application basis of mobile GIS which is the PKH official can detects directly the route of helping receiver location. With the data as many as 112 poor family data in the Kedungkandang sub district on the 2016, can be conclude that system has ability to do grouping poor family become 7 cluster with the accuracy K-Means Clustering method as big as 92,8%.. Based on that result, K-Means Clustering can be state has high accuracy value in the grouping assist of PKH family component participant.

ABSTRAK

Kemiskinan adalah sebuah kondisi yang berada di bawah garis nilai standar kebutuhan minimum, baik untuk makanan maupun non makanan. Dalam rangka menanggulangi masalah kemiskinan, pemerintah indonesia memiliki berbagai program terintegrasi. Salah satunya yaitu Program Keluarga Harapan (PKH) yang merupakan program penanggulangan kemiskinan berbasis bantuan sosial. PKH memberikan bantuan tunai bersyarat kepada Rumah Tangga Sangat Miskin (RTSM) yang di dalamnya terdapat ibu hamil, balita, anak usia SD, SMP, SMA, lansia dan penyandang dissabilitas berat. Besarnya perolehan bantuan PKH ditentukan berdasarkan tingkat kemiskinan keluarga. Parameter tingkat kemiskinan dilihat dari banyaknya kategori dalam RTSM yang bersangkutan disertai kewajiban peserta untuk menjalankan komitmen penting di bidang kesehatan dan pendidikan. Dalam penelitian ini diusulkan metode K-Means Clustering untuk mengatasi masalah pengelompokan keluarga miskin berdasarkan banyaknya kategori tersebut. Hasil akhir dari pengelompokan keluarga miskin ini akan di tampilkan pada aplikasi berbasis mobile GIS dimana petugas PKH dapat mengetahui secara lansung rute menuju lokasi penerima bantuan tersebut. Dengan data uji sebanyak 112 data keluarga miskin di wilayah kecamatan kedungkandang pada tahun 2016 dapat disimpulkan bahwa sistem mampu melakukan pengelompokan keluarga miskin menjadi 7 cluster dengan akurasi metode K-Means Clustering sebesar 92,8%. Berdasarkan hasil tersebut, metode K-Means Clustering dapat dikatakan mempunyai nilai akurasi yang tinggi dalam membantu pengelompokan komponen keluarga peserta PKH