Oleh:
JULINA MAELANI
170201008
FAKULTAS TEKNIK
UNIVERSITAS HAMZANWADI
2021
HALAMAN PERSETUJUAN
JULINA MAELANI
170201008
Pembimbing 1 Pembimbing 2
Mengetahui :
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
iv
DAFTAR GAMBAR
v
DAFTAR TABEL
vi
BAB I
PENDAHULUAN
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”.
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?”
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
3
BAB II
TINJAUAN PUSTAKA
II.2 Algoritma
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]
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.7 Rapidminer
5
II.8 Peta Jalan (Road Map)
Observasi
dan
Wawancar
a
Pengolahan Identifikasi
Data Masalah
Pengujian
Data
Seleksi Pengumpul
Data an Data
6
BAB III
METODE PENELITIAN
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.
Objek penelitian yang diambil adalah Kantor Kepala Desa Kuang Baru yang
beralamat Desa Kuang Baru, Kecamatan Sakra, Lombok Timur.
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
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
No Deskripsi Bulan
3 4 1 2 3 4 1 2 3 4
1 Pengajuan Topik
3 Bab 1 Pendahuluan
7 Bab 5 Penutup
8 Sidang Skripsi
11
REFRENSI
[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.
12
POLICY : Social Rehabilitation of Poor Housing in Banjarmasin ) Abstrak
dan kelangsungan hi,” Sosiokonsepsia, vol. 17, no. 02, p. 207, 2012.
13