Analisis Pengelompokan Wilayah Penerima Bantuan Sosial Menggunakan Algoritma K-Means dengan Visualisasi Peta Interaktif Berbasis Web
Studi Kasus: Kecamatan Parung
DOI:
https://doi.org/10.55606/jutiti.v6i2.7634Keywords:
Data Clustering, Geographic Information System, K-Means Clustering, Social Assistance, Spatial VisualizationAbstract
Parung District, Bogor Regency, is one of the regions receiving social assistance sourced from the Integrated Social Welfare Data (DTKS). Distribution of social assistance in this area has been supported by available recipient data; however, the data has not been grouped and analyzed systematically based on regional or geographical distribution. Recipient data is still processed in tabular form using spreadsheet files, so related parties find it difficult to quickly identify villages with high, medium, or low concentrations of social assistance recipients. Without spatial visualization, the distribution pattern across regions is difficult to monitor, hindering decision-making related to distribution priorities and oversight. To address this issue, this study applies the K-Means Clustering algorithm to group regions of social assistance recipients based on location coordinates (latitude and longitude). The data used consists of 6,946 rows of Village Fund Direct Cash Assistance (BLT-DD) recipient data spread across 9 villages in Parung District. Data was grouped into three categories (High, Medium, Low), with the number of clusters validated using the Elbow Method and Silhouette Score. The system was implemented using Python with the Flask framework, a MySQL database, and Leaflet.js to display clustering results on an interactive web-based map. Testing shows that K=3 produced a Silhouette Score of 0.5367, verified through manual calculation with 100% agreement with the program output.
Downloads
References
Alriscki, D. G., & Fauzan, A. (2024). Peningkatan distribusi bantuan sosial di Pangkalpinang dengan pengelompokan berbantuan algoritma K-Means. Statistika, 24(2). https://doi.org/10.29313/statistika.v24i2.4305
Andryan, E., Abdullah, A., & Utami, P. Y. (2024). Clustering penduduk kurang mampu di Desa Mekar Baru menggunakan algoritma K-Means. Jurnal Teknik Komputer AMIK BSI, 10(2), 163–170. https://doi.org/10.31294/jtk.v10i2.23157
Anjani, I. D., & Bahtiar, A. (2024). Penerapan algoritma K-Means clustering untuk mengelompokkan penerima Bantuan Sosial Tunai (BST) di Jawa Barat. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 2743–2747. https://doi.org/10.36040/jati.v8i3.8974
Aria, R. R. A., Susilowati, S., & Rahadjeng, I. R. (2023). Data mining menentukan cluster penerima program bantuan dengan metode K-Means. Remik, 7(1), 291–300. https://doi.org/10.33395/remik.v7i1.12030
Bahtiar, D. (2023). Pemetaan penduduk penerima bantuan sosial Desa Waru Jaya menggunakan algoritma K-Means clustering. Scientia Sacra, 3(2), 29–39.
Briliant, D., & Tanti, L. (2025). Model pengelompokkan penerima bantuan sosial PKH dengan teknik data mining. Jurnal Sistem Komputer dan Informatika (JSON), 7(2), 397–410. https://doi.org/10.30865/json.v7i2.9170
Chairuddin, C., Suryana, N., & Wicaksono, H. (2021). Dukungan sistem informasi geografis untuk pendataan bantuan sosial berbasis masyarakat. Prosiding Seminar Nasional Inovasi dan Adopsi Teknologi (INOTEK), 1(1), 147–158.
Dwiguna, E., & Bahtiar, A. (2024). Penerapan data mining untuk menentukan penerima bantuan BLT menggunakan metode clustering K-Means pada Desa Pamulihan. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1382–1388. https://doi.org/10.36040/jati.v8i2.9029
Febriansyah, F., & Muntari, S. (2023). Penerapan algoritma K-Means untuk klasterisasi penduduk miskin pada Kota Pagar Alam. JISKA (Jurnal Informatika Sunan Kalijaga), 8(1), 66–77. https://doi.org/10.14421/jiska.2023.8.1.66-77
Filki, Y. (2022). Algoritma K-Means clustering dalam memprediksi penerima Bantuan Langsung Tunai (BLT) Dana Desa. Jurnal Informatika Ekonomi Bisnis, 4(4), 166–171. https://doi.org/10.37034/infeb.v4i4.166
Fitriyah, H., Safitri, E. M., Muna, N., Khasanah, M., Aprilia, D. A., & Nurdiansyah, D. (2023). Implementasi algoritma clustering dengan modifikasi metode elbow untuk mendukung strategi pemerataan bantuan sosial di Kabupaten Bojonegoro. Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika, 4(3), 1598–1607. https://doi.org/10.46306/lb.v4i3.453
Hafizh, M. A., Samsudin, & Triase. (2026). Implementasi library leaflet dalam pemetaan digital penyulang di Unit Layanan Pelanggan Medan Kota. Jurnal Teknik Informatika dan Komputer, 5(1), 1–9. https://doi.org/10.22236/jutikom.v5i1.22788
Handayanna, F. (2023). Penerapan algoritma K-Means untuk klasterisasi penduduk miskin di Provinsi Banten. INTI Nusa Mandiri, 18(1), 93–99. https://doi.org/10.33480/inti.v18i1.4399
Hartanto, M. B., Yuniarthe, Y., Fawa'ati, T. M., & Ikhwan, A. (2024). Pemanfaatan Leaflet JS dalam implementasi Sistem Informasi Geografis (SIG) untuk optimalisasi pengelolaan objek pajak bumi dan bangunan di Dispenda Lampung Tengah. Jurnal Alih Teknologi Komputer (ALTEK), 5(1), 1–8. https://doi.org/10.57084/altek.v5i1.1581
Hutagaol, V., Anggraeni, D., & Nata, A. (2025). Penerapan data mining untuk clustering masyarakat kurang mampu pada Desa Rawang Pasar VI dengan algoritma K-Means. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 10(1), 304–312. https://doi.org/10.29100/jipi.v10i1.5741
Maori, N. A., & Evanita. (2023). Metode elbow dalam optimasi jumlah cluster pada K-Means clustering. Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, 14(2), 277–288. https://doi.org/10.24176/simet.v14i2.9630
Mayasari, S. N., & Nugraha, J. (2023). Implementasi K-Means cluster analysis untuk mengelompokkan kabupaten/kota berdasarkan data kemiskinan di Provinsi Jawa Tengah tahun 2022. KONSTELASI: Konvergensi Teknologi dan Sistem Informasi, 3(2), 317–329. https://doi.org/10.24002/konstelasi.v3i2.7200
Moruk, E., Martanto, M., & Hayati, U. (2024). Algoritma K-Means untuk clustering penerima Program Keluarga Harapan di Nanaenoe Nusa Tenggara Timur. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1681–1687. https://doi.org/10.36040/jati.v8i2.9148
Nugroho, A. S., & Sulyono, S. (2024). Penerapan metode K-Means clustering untuk penentuan eligibilitas bantuan langsung tunai berbasis mobile. Journal of Information Technology Ampera, 5(1), 25–36. https://doi.org/10.51519/journalita.v5i1.510
Nurahman, N., & Susanto, J. (2023). Klasterisasi data penerima bantuan langsung tunai menggunakan algoritma K-Means. JURIKOM (Jurnal Riset Komputer), 10(2), 461–470. https://doi.org/10.30865/jurikom.v10i2.5807
Pasaribu, P. A., Ilhadi, V., & Fitria, R. (2025). Penerapan data mining untuk clustering wilayah berdasarkan tingkat kemiskinan di Aceh menggunakan metode K-Means clustering dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN). JATI (Jurnal Mahasiswa Teknik Informatika), 9(6).
Putra, L. G. R., & Anggrawan, A. (2021). Pengelompokan penerima bantuan sosial masyarakat dengan metode K-Means. MATRIK: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, 21(1), 205–214. https://doi.org/10.30812/matrik.v21i1.1554
Siti Paridah, N., & Martanto, M. (2024). Klasterisasi penerima dana bantuan Program Keluarga Harapan menggunakan metode K-Means pada Desa Gereba. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 1036–1043. https://doi.org/10.36040/jati.v8i1.8873
Syaharani, W., & Sriani. (2024). Application of K-Means algorithm on clustering poor population data for extreme poverty elimination. Sistemasi: Jurnal Sistem Informasi, 13(4), 1732–1747. https://doi.org/10.32520/stmsi.v13i4.4384
Walingkas, H. L., & Saian, P. O. N. (2023). Penerapan framework Flask pada pembangunan sistem informasi pemasok barang. Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), 7(2), 227–234. https://doi.org/10.35870/jtik.v7i2.729
Wijayanti, C. D., Soegianto, S., Sudarmanto, K., & Arifin, Z. (2025). Implementasi bantuan sosial berbasis DTKS untuk akurasi penerima di Kota Semarang. Journal Juridisch, 3(3), 221–235. https://doi.org/10.26623/jj.v3i3.12886
Wiratama, R. A., & Aditya, A. (2024). Rancang bangun aplikasi koperasi simpan pinjam dengan pendekatan waterfall (Studi kasus: PT. Rentokill Indonesia). Prosiding Seminar Nasional Teknologi Informasi dan Komunikasi (SENATIK), 7(1), 743–752.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Jurnal Teknik Informatika dan Teknologi Informasi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
