PROPOSAL SKRIPSI

PENGELOMPOKAN DATA PENDUDUK CALON PENERIMA

BANTUAN RENOVASI RUMAH DESA KUANG BARU DENGAN
METODE ALGORITMA K-MEANS

Oleh:

JULINA MAELANI
170201008

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS TEKNIK

UNIVERSITAS HAMZANWADI

2021
 HALAMAN PERSETUJUAN

PENGELOMPOKAN DATA PENDUDUK CALON PENERIMA

BANTUAN RENOVASI RUMAH DESA KUANG BARU DENGAN
METODE ALGORITMA K-MEANS

JULINA MAELANI

170201008

Pancor, 26 April 2021

Pembimbing 1 Pembimbing 2

(Amri Muliawan Nur, ST. M.Kom) (L.M Samsu, SE, M.Kom)

NIDN. 0802028001 NIDN. 0831127523

Mengetahui :

Koordinator Program Studi

(Muhammad Saiful, M.kom)

NIDN. 0820047801

ii
 ABSTRAK

Rumah atau tempat tinggal adalah satu dari tiga kebutuhan dasar manusia. Di
Indonesia banyak sekali rumah yang masuk dalam kategori Rumah Tidak Layak
Huni. Pemerintah Indonesia memberikan bantuan Rehabilitasi Sosial Rumah Tidak
Layak Huni (RS-RLTH) berupa uang untuk pembelian bahan bangunan guna
pemugaran rumah. Di desa Kuang Baru, program bantuan renovasi rumah
tergolong baru dan pemerintah desa belum dapat menentukan calon penerima
bantuan yang tepat. Dibutuhkan teknik pemanfaatan data menjadi sebuah informasi
baru atau disebut juga data mining. Metode yang cocok untuk memetakan calon
penerima bantuan adalah clustering k-means karena metode ini dapat mengelola
data tanpa diketahui label kelasnya. Penelitian ini akan menghasilkan tiga
kelompok penduduk sesuai dengan pendapatan rata-rata dan status kepemilikan
bangunan. Hasil tiga kelompok tersebut yaitu penduduk yang layak, kurang layak,
dan tidak layak menerima bantuan. Pengolahan data penduduk menggunakan
algoritma k-meas mendapat hasil davies bouldin index sebesar 0,428 yang dinilai
cukup baik karena semakin dekat hasil dengan angka nol, maka semakin baik pula
hasil clusternya.
Kata Kunci : bantuan renovasi rumah, rumah tidak layak huni, clustering

iii
 DAFTAR ISI

HALAMAN PERSETUJUAN ............................................................................. ii

ABSTRAK ......................................................................................................... iii
DAFTAR ISI ...................................................................................................... iv
DAFTAR GAMBAR ........................................................................................... v
DAFTAR TABEL .............................................................................................. vi
BAB I PENDAHULUAN .................................................................................... 1
I.1 Latar Belakang Masalah ............................................................................. 1
I.3 Tujuan Penelitian ....................................................................................... 2
1.4 Manfaat Penelitan ...................................................................................... 3
BAB II TINJAUAN PUSTAKA ......................................................................... 4
II.1 Penelitian Terkait ...................................................................................... 4
II.2 Algoritma.................................................................................................. 4
II.3 Data Mining .............................................................................................. 5
II.4 Clustering ................................................................................................. 5
II.5 Metode K-Means....................................................................................... 5
II.6 Rehabilitasi Sosial Rumah Tidak Layak Huni ........................................... 5
II.7 Rapidminer ............................................................................................... 5
II.8 Peta Jalan (RoadMap) ............................................................................... 6
BAB III METODE PENELITIAN ...................................................................... 7
III.1 Tahap penelitian ...................................................................................... 7
III.2 Objek Penelitian ...................................................................................... 8
III.3 Pengumpulan Data ................................................................................... 8
BAB IV LUARAN DAN TARGET ................................................................... 10
BAB V RENCANA KEGIATAN PENELITIAN .............................................. 11
REFERENSI ...................................................................................................... 12

iv
 DAFTAR GAMBAR

Gambar 2. 1 RoadMap Penelitian......................................................................... 6

Gambar 3. 1 Tahapan Penelitian........................................................................... 8

v
 DAFTAR TABEL

Table 4. 1 Luaran dan Target Capaian ................................................................ 10

Table 5. 1 Rencana Kegiatan Penelitian ............................................................. 11

vi
 BAB I

PENDAHULUAN

I.1 Latar Belakang Masalah

Tiga kebutuhan pokok manusia adalah sandang, pangan dan papan. Sandang berarti
pakaian, pangan berarti makanan dan papan berarti tempat tinggal. Pentingnya
tempat tinggal atau rumah layak huni untuk setiap orang dapat berlindung, istirahat,
dan berkumpul dengan keluarga dengan aman dan nyaman perlu diperhatikan. Di
Indonesia masih banyak sekali rumah yang masuk dalam kategori tak layak huni.
Pemerintah memberikan bantuan Rumah Tidak Layak Huni (RLTH) berupa uang
untuk pembelian bahan bangun guna pemugaran Rumah Tidak Layak Huni dimana
rumah tersebut tidak memenuhi persyaratan keselamatan bangunan dan kecukupan
minimal bangunan.
Penyaluran bantuan Rumah Tidak Layak Huni ditangani oleh pemerintah daerah
yang disalurkan kepada kelurahan/desa yang masuk dalam kategori kelurahan desa
miskin dengan prioritas tinggi. Kelurahan/desa Kuang Baru termasuk salah satu
desa yang masuk dalam kategori desa miskin di Kecamatan Sakra, Kabupaten
Lombok Timur. Namun, dalam menentukan sasaran penangan antuan Rumah Tidak
Layak Huni, pemerintah kelurahan/desa Kuang Baru masih memiliki beberapa
kendala. Kendala tersebut dikarenakan banyaknya data yang berubah sehingga
memungkinkan proses penentuan penerimaan bantuan Rumah Tidak Layak Huni
subjektif atau tidak tepat sasaran. Untuk mengatasi permasalahan tersebut,
dibutuhkan metode penerapan data mining agar penyaluran bantuan ini tepat
sasaran.
Program bantuan Rumah Tidak Layak Huni ini masih tergolong baru untuk
kelurahan/Desa Kuang Baru sehingga tidak terdapat label pada dataset. Oleh karena
itu, dibutuhkan metode algoritma klasterisasi (clustering) yang merupakan
pengelompokan item data kedalam sejumlah kecil grup sehingga masing-masing
grup mempunyai persamaan yang esensial. Metode klasterisasi juga tidak

1
menggunakan label dalam prosesnya dan label dapat diberikan ketika cluster sudah
terbentuk.
Banyak metode klasterisasi yang diusulkan oleh para ahli, salah satunya adalah K-
Means method atau metode K-Means yang termasuk dalam metode berbasis partisi,
dimana metode ini bekerja dengan cara membagi data kedalam sejumlah kelompok.
Metode k-Means merupakan algoritma klasterisasi yang paling sering digunakan
karena prosesnya sederhana untuk diimplementasikan dan dijalankan. Selain
mampu melakukan klasterisasi dan mudah diadaptasi, operasi matematris dalam
metode k-Means juga relatif lebih sederhana.
Berdasarkan uraian diatas, penulis tertarik untuk melakukan penelitian terkait
membantu pemerintah kelurahan/desa Kuang Baru dalam menentukan sasran
penerima bantuan Rumah Tidak Layak Huni secara tepat menggunakan algoritma
k-Means method dengan judul “PENGELOMPOKAN DATA PENDUDUK
CALON PENERIMA BANTUAN RENOVASI RUMAH DESA KUANG
BARU DENGAN METODE ALGORITMA K-MEANS”.

I.2 Rumusan Masalah

Berdasarkan latar belakang masalah di atas, maka rumusan masalah yang didapat
dalam penelitian ini adalah “Bagaimana menerapkan algoritma k-Means untuk
mengelompokkan calon penerima bantuan renovasi Rumah Tidak Layak
Huni di kelurahan/desa Kuang Baru agar memperoleh hasil yang objektif dan
tepat sasaran?”

I.3 Tujuan Penelitian

Adapun tujuan yang ingin dicapai penelitian ini sesuai dengan rumusan masalah di
atas adalah untuk memetakan atau mengelompokkan calon penerima bantuan
renovasi Rumah Tidak Layak Huni menggunkan algoritma k-Means menjadi tiga
cluster.

2
1.4 Manfaat Penelitan

1. Manfaat bagi Peneliti

Penulis dapat menambah pengetahuan dan pemahaman dalam bidang kajian
data mining clustering khususnya algoritma k-Means method. Serta
penelitian ini dapat dijadikan sarana untuk menerapkan ilmu dan
keterampilan yang telah didapatkan selama masa perkuliahan.
2. Manfaat bagi Akademik
Dapat menambah literatur di perpustakan serta dapat dijadikan referensi
bagi mahasiswa atau calon peneliti lain sebagai bahan acuan dalam
mengembangkan dan mengkaji algoritma k-Means method.
3. Manfaat bagi Pembaca
Diharapkan dapat digunakan sebagai referensi bagi pembaca yang nantinya
akan dikembangkan lebih jauh lagi.

3
 BAB II

TINJAUAN PUSTAKA

II.1 Penelitian Terkait

Sebelum memulai penelitian ini, penyusun terlebih dahulu melakukan studi

kepustakaan dari penelitian-penelitian atau sumber-sumber lain diantaranya:
1. Penelitian yang dilakukan oleh Yuliani, R. Dengan judul “Penerapan Data
Mining untuk Mengcluster Data Penduduk Miskin Menggunakan Algoritma K-
Means di Dusun Bagik Endep Sukamulia Timur”. Berdasarkan hasil pengujian
yang dilakukan dengan menerapkan algoritma K-Means didapatkan hasil dengan
Cluster 1 berjumlah 18 penduduk dengan kriteria Penduduk ekonomi tinggi,
Cluster 2 berjumlah 72 Penuduk dengan kriteria Penduduk ekonomi sedang, dan
Cluster 3 berjumlah 110 Penduduk dengan kriteria Penduduk ekonomi
rendah.[1]
2. Penelitian terkait yang dilakukan oleh Nur, A. M., & Harianto, B. Dengan judul
“Komparasi Algoritma SVM Dan SVM Berbasis PSO Dalam Menganalisis
Kinerja Guru SMAN 3 Selong” Dalam penelitian ini dicoba membandingkan
antara metode SVM (Support vector machine) dan SVM berbasis PSO (Particle
swarm optimization), dengan tujuan untuk mendapatkan nilai analisa yang
terbaik. [2]
3. Penelitian terkait yang dilakukan oleh Muhidin, A., & Baragigiratri, I. Dengan
judul “Pemetaan Penduduk Calon Penerima Bantuan Renovasi Rumah Desa
Pesangkalan Menggunakan Algoritma Clustering K-Means”. Dalam Penelitian
ini akan menghasilkan tiga kelompok penduduk sesuai dengan pendapatan rata-
rata dan status kepemilikan bangunan. Hasil tiga kelompok tersebut yaitu
penduduk yang layak, kurang layak dan tidak layak menerima bantuan. [3]

II.2 Algoritma

Algoritma merupakan urutan langkah sistematis yang dirancang untuk

menyelesaikan suatu masalah spesifik dengan usaha yang paling minimal, dan para
peneliti memberi julukan sebagai jantung semua program.[4]

4
II.3 Data Mining

Data mining merupakan suatu proses menemukan hubungan yang berarti, pola, dan
kecenderungan dengan memeriksa dalam sekumpulan besar data yang tersimpan
dalam penyimpanan dengan menggunakan teknik pengenalan pola seperti teknik
statistik dan matematika.[5]

II.4 Clustering

Clustering merupakan salah satu teknik paling penting pada data mining yang
digunakan untuk mendapatkan suatu informasi atau pun pengetahuan pada data
spasial dalam jumlah yang besar dari berbagai aplikasi.[6]

II.5 Metode K-Means

Metode K-Means merupakan salah satu metode terbaik dan paling popular dalam
algoritma clustering dimana K-Means dalam mencari partisi yang optimal dari data
dengan meminimalkan kriteria jumlah kesalahan kuadrat dengan prosedur iterasi
yang optimal.[7]

II.6 Rehabilitasi Sosial Rumah Tidak Layak Huni

Rehabilitasi Sosial Rumah Tidak Layak Huni (RS-RTLH) merupakan kebijakan

Kementerian Sosial RI dalam penanggulangan kemiskinan di Indonesia. RS-RTLH
merupakan bantuan stimulan, agar fakir miskin menempati rumah layak huni,
adapun cara dilakukan memperbaiki kondisi rumah baik sebagian ataupun
seluruhnya yang dilakukan secara gotong royong di atas tanah dengan legalitas
kepemilikan yang sah.[8]

II.7 Rapidminer

Rapidminer merupakan perangkat lunak yang bersifat terbuka (open source).

Rapidminer adalah sebuah solusi untuk melakukan analisis terhadap data mining,
teks mining, dan analisis prediksi. Rapidminer menggunakan berbagai teknik
deskriptif dan prediksi dalam memberikan wawasan kepada pengguna sehingga
dapat membuat keputusan yang paling baik.

5
II.8 Peta Jalan (Road Map)

Observasi
dan
Wawancar
a

Pengolahan Identifikasi
Data Masalah

Pengujian
Data

Seleksi Pengumpul
Data an Data

Gambar 2.1 Road Map penelitian

6
 BAB III

METODE PENELITIAN

III.1 Tahap penelitian

Penelitian merupakan rangkaian kegiatan ilmiah. Langkah awal yang harus

dilakukan sebelum memulai penelitian adalah studi literatur untuk menentukan
data mining guna mengolah data dan penentuan alternatif solusi. Kemudian
dilakukan pencarian dan pengumpulan data berkaitan dengan masalah yang akan
diteliti. Secara umum proses-proses tahapan yang dilakukan dalam pelaksanaan
penelitian ini adalah:

1. Studi literatur dilakukan dengan membaca dan memahami teori dari buku atau
jurnal yang relevan bertujuan untuk mendapatkaan teori-teori tentang
permasalahan yaang telah dirumuskan. Teori ini dapat dijadikan pedoman
untuk mendapatkan solusi.
2. Pengumpulan data mentah didapat dari pemerintah daerah kelurahan/desa
Kuang Baru berupa data penduduk kelurahan/desa Kuang Baru dengan
beberapa atribut yang menentukan peengelompokan penerima bantuan
renovasi rumah tidak layak huni.
3. Pra proses data mining, meliputi data cleaning pembersihan data yang di
dalamnya terdapat atribut kosong maupun tidak lengkap, data integration atau
pengubahan data menjadi format yang sesuai utuk digunakan dalam proses data
mining, dan task relevan data sejalan dengan data integration yang memilih
atribut yang elevan dengan rumusan masalah.
4. Proses data mining. Data yang telah didapatkan kemudian diolah dengan proses
data mining dimana pengolahan ini menggunakan algoritma K-Means
Clustering. Hasil proses ini adalah data yaang dikelompokkan berdasarkan
kemiripan karakteristik setiap data sehingga ditemukan pola dan informasi
yang tersembunyi dari data-data tersebut.

7
5. Evaluasi hasil proses ini adalah data yang dikelompokkan berdasarkan
kemiripan karakteristik setiap data sehinggaa ditemukan pola dan informasi
yang tersembunyi dari data-data tersebut.

Gambar 3. 1 Tahapan penelitian

III.2 Objek Penelitian

Objek penelitian yang diambil adalah Kantor Kepala Desa Kuang Baru yang
beralamat Desa Kuang Baru, Kecamatan Sakra, Lombok Timur.

III.3 Pengumpulan Data

Data yang diperlukan dalam penelitian ini diperoleh dari pemerintah desa/kelurahan
Kuang baru, Kecamatan Sakra Kabupaten Lombok Timur yang berupa data
kependudukan sensus tahun 2020. Selain berisi data kependudukan, didalamnya
juga terdapat beberapa artribut data yang menujang atau mempengaruhi proses data

8
mining clustering menggunakan algoritma K-Means seperti pendapatan perbulan
dan status kepemilikan bangunan tempat tinggal.

9
 BAB IV

LUARAN DAN TARGET CAPAIAN

No Jenis Luaran Target Capaian

1 Publikasi ilmiah di jurnal nasional (ber ISSN) Accepted

2 Pemakalah dalam temu - -

ilmiah

3 Bahan Ajar Tidak Ada

4 Luaran lainnya jika ada (Tekonologi Tepat Skripsi, Artikel

Guna, Model/Purwarupa/Desain/Karya
Seni/Rekayasa Sosial)

Table 4. 1 Luaran dan Target Capaian

Keterangan Tabel :

1. Publikasi ilmiah di jurnal nasional (ber-ISSN) artinya hasil dari penelitian yang
sudah saya lakukan nanti, setelah lulus pengujian. Nantinya hasil ini akan saya
publikasikan dalam bentuk jurnal sebagai referensi penelitian mahasiswa yang
lainnya.
2. Luaran lainnya jika ada artinya dalam penelitian skripsi ini saya selaku peneliti
akan mengeluarkan hasil dari penelitian dan pengujian ini dalam bentuk skripsi
dan artikel yang nantinya akan saya serahkan ke pihak kampus untuk
diarsipkan.

10
 BAB V

RENCANA KEGIATAN PENELITIAN

No Deskripsi Bulan

April Mei 2021 Juni 2021

2021

3 4 1 2 3 4 1 2 3 4

1 Pengajuan Topik

2 Pembuatan Proposal Skripsi

3 Bab 1 Pendahuluan

4 Bab 2 Membahas tentang

landasan teori

5 Bab 3 Analisa dan perancangan

6 Bab 4 Implementasi dan

pembahasan

7 Bab 5 Penutup

8 Sidang Skripsi

Table 5. 1 Rencana Kegiatan Penelitian

11
 REFRENSI

[1] R. Yuliani, “Infotek : Jurnal Informatika dan Teknologi Penerapan Data

Mining untuk Mengcluster Data Penduduk Miskin Menggunakan Algoritma
K- Means di Dusun Bagik Endep Sukamulia Timur Infotek : Jurnal
Informatika dan Teknologi Pendahuluan masalah kemiskanan belum bis,”
vol. 4, no. 1, pp. 39–50, 2021.

[2] Amri Muliawan Nur and B. Harianto, “Komparasi Algoritma SVM Dan
SVM Berbasis PSO Dalam Menganalisa Kinerja Guru SMAN 3 Selong,” J.
Inform. dan Teknol., vol. 8, no. 5, p. 55, 2019.

[3] P. Menggunakan and A. Clustering, “25 Maret 2019,” vol. 9, pp. 75–82,
2019.

[4] G. G. Maulana, “Pembelajaran Dasar Algoritma Dan Pemrograman

Menggunakan El-Goritma Berbasis Web,” J. Tek. Mesin, vol. 6, no. 2, p. 8,
2017, doi: 10.22441/jtm.v6i2.1183.

[5] T. Thi Bi Dan, S. Widya Sihwi, and R. Anggrainingsih, “Implementasi

Iterative Dichotomiser 3 Pada Data Kelulusan Mahasiswa S1 Di Universitas
Sebelas Maret,” J. Teknol. Inf. ITSmart, vol. 4, no. 2, p. 84, 2016, doi:
10.20961/its.v4i2.1770.

[6] A. S. Devi, I. K. G. D. Putra, and I. M. Sukarsa, “Implementasi Metode

Clustering DBSCAN pada Proses Pengambilan Keputusan,” Lontar Komput.
J. Ilm. Teknol. Inf., vol. 6, no. 3, p. 185, 2015, doi:
10.24843/lkjiti.2015.v06.i03.p05.

[7] E. Muningsih and S. Kiswati, “Penerapan Metode K-Means Untuk

Clustering Produk Online Shop Dalam Penentuan Stok Barang,” J. Bianglala
Inform., vol. 3, no. 1, pp. 10–17, 2015.

[8] Suradi, “STUDI EVALUASI DAMPAK KEBIJAKAN SOSIAL :

Rehabilitasi Sosial Rumah Tidak Layak Huni bagi Keluarga Miskin Di Kota
Banjarmasin ( EVALUATION STUDY ON IMPACT OF SOCIAL

12
POLICY : Social Rehabilitation of Poor Housing in Banjarmasin ) Abstrak
dan kelangsungan hi,” Sosiokonsepsia, vol. 17, no. 02, p. 207, 2012.

13