Klasterisasi Masyarakat Kurang Mampu dalam Penyaluran Bansos Menggunakan Algoritma OPTICS di Desa Lubuk Rotan
DOI:
https://doi.org/10.38035/dit.v4i2.3909Keywords:
Klasterisasi, Masyarakat kurang mampu, Bantuan Sosial, OPTICS, Silhouette IndexAbstract
Penyaluran bantuan sosial memerlukan informasi yang dapat menggambarkan kondisi sosial ekonomi masyarakat secara objektif. Penelitian ini bertujuan mengelompokkan masyarakat kurang mampu di Desa Lubuk Rotan berdasarkan karakteristik sosial ekonomi menggunakan algoritma Ordering Points to Identify the Clustering Structure (OPTICS) serta menghasilkan informasi pendukung dalam penyaluran bantuan sosial. Data yang digunakan berjumlah 639 data masyarakat dengan atribut pendapatan, jumlah tanggungan, kepemilikan aset, dan status kepemilikan rumah. Pengolahan data dilakukan menggunakan tahapan Knowledge Discovery in Database (KDD), meliputi selection, preprocessing, transformation, data mining, dan evaluation. Pengujian min_samples dilakukan pada nilai 20, 25, 30, 35, dan 40. Hasil pengujian menunjukkan min_samples=25 menghasilkan Silhouette Index tertinggi sebesar 0,833517 dengan kriteria sangat baik. Dengan parameter tersebut, OPTICS menghasilkan 7 cluster utama dan 1 kelompok noise sebanyak 55 data. Hasil clustering menunjukkan perbedaan karakteristik sosial ekonomi antar kelompok. Hasil pengelompokan dapat menjadi informasi pendukung bagi pemerintah Desa Lubuk Rotan dalam memahami karakteristik masyarakat dan mempertimbangkan penyaluran bantuan sosial berdasarkan kondisi sosial ekonomi.
References
Alghifari, F., & Juardi, D. (2021). Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes. Jurnal Ilmiah Informatika, 9(02), 75–81. https://doi.org/10.33884/jif.v9i02.3755
Ankerst, M., Breunig, M. M., & Kriegel, H. (1999). OPTICS : Ordering Points To Identify the Clustering Structure. 49–60.
Arhami, M., & Nasir, M. (2020). Data Mining:Algoritma dan Implementasi (R. I. Utami (ed.); 1st ed.). ANDI.
Buana, L. A. C., Data, M., & Trisnawan, P. H. (2026). Pengembangan Alat Bantu Investigasi Serangan Siber Berdasarkan Log Server Web Menggunakan Algoritma Optics. 10(2), 1–9.
Dista, T. M., & Abdulloh, F. F. (2022). Clustering Pengunjung Mall Menggunakan Metode K-Means dan Particle Swarm Optimization. Jurnal Media Informatika Budidarma, 6(3), 1339. https://doi.org/10.30865/mib.v6i3.4172
Hastuti, S. H., Nurmayanti, W. P., & Saputri, A. A. (2023). Penerapan Metode Clustering Self Organizing Maps (Som) Dan K-Affinity Propagation (K-Ap) Dalam Mengelompokkan Nilai Tukar Petani Di Indonesia 2022. VARIANCE: Journal of Statistics and Its Applications, 5(1), 79–88. https://doi.org/10.30598/variancevol5iss1page79-88
Hastuti, S. H., Septiani, A., Hendrayani, H., & Nurmayanti, W. P. (2024). Penerapan Metode OPTICS dan ST-DBSCAN untuk Klasterisasi Data Kesehatan. Edumatic: Jurnal Pendidikan Informatika, 8(1), 252–261. https://doi.org/10.29408/edumatic.v8i1.25765
Kementerian Sosial Republik Indonesia. (2026). Program Bantuan Sosial. https://kemensos.go.id/
Musthafa, A. Z., Basukl, B. M., & Habibi, A. (2025). Implementasi Sistem Klasterisasi Menggunakan Algoritma K-Means Untuk Seleksi Penerima Bantuan Sosial. 19, 54–60.
Mustikasari, & Salman, N. (2023). ANALISIS KLASTER BERBASIS KEPADATAN DENGAN DBSCAN DAN OPTICS. 8, 1–8. https://doi.org/https://doi.org/10.24252/insypro.v8i1.36347
Nurhalizah, C. D., Damaliana, A. T., & Prasetya, D. A. (2025). OPTICS-Based Clustering of East Java Regencies and Cities by Divorce Factors. 4(3), 113–123. https://doi.org/https://doi.org/10.55537/jistr.v4i3.1227
Sari, I. D. P., Pratiwi, S. M., & Al Rosyid, H. (2026). Clustering Wilayah Pulau Jawa Berdasarkan Indikator Sosial Ekonomi Menggunakan Metode K-Means. JATI (Jurnal Mahasiswa Teknik Informatika), 10(1), 1032–1036. https://doi.org/10.36040/jati.v10i1.16934
Setiawan, M. A., Insani, F., Vitriani, Y., & Yusra. (2025). Analisis Perbandingan Metode DBSCAN dan Meanshift dalam Klasterisasi Data Gempa Bumi di Indonesia. Bulletin of Computer Science Research, 5(4), 554–563. https://doi.org/10.47065/bulletincsr.v5i4.605
Supardi, N. E., Handhayani, T., & Lewenusa, I. (2026). CLUSTERING WILAYAH KEMISKINAN MULTIDIMENSI DI INDONESIA MENGGUNAKAN ALGORITMA FUZZY C-MEANS DAN OPTICS. 20(2), 275–283. https://doi.org/https://doi.org/10.33480/inti.v20i2.7814
Yolandari, N. A., Butarbutar, L. E., Rajagukguk, G. C. H., Zulfi, M. F., & Ramadhani, F. (2025). ANALISIS PERBANDINGAN K-MEANS DAN DBSCAN DALAM PENGELOMPOKAN DATA TRAVEL REVIEW RATINGS MENGGUNAKAN EVALUASI SILHOUETTE INDEX DAN DAVIES-BOULDIN INDEX. Jurnal Informatika Dan Teknik Terapan, 13(3). https://doi.org/https://doi.org/10.23960/jitet.v13i3.6884
Zhou, G. (2022). Data Mining for Co-location Patterns : principles and aplications. CRC Press. https://doi.org/https://doi.org/10.1201/9781003139416
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Haliza Silviya, Guidio Leonarde Ginting
This work is licensed under a Creative Commons Attribution 4.0 International License.
Copyright :
Authors who publish their manuscripts in this journal agree to the following conditions:
- Copyright in each article belongs to the author.
- The author acknowledges that the DIT has the right to be the first to publish under a Creative Commons Attribution 4.0 International license (Attribution 4.0 International CC BY 4.0).
- Authors can submit articles separately, arrange the non-exclusive distribution of manuscripts that have been published in this journal to other versions (for example, sent to the author's institutional repository, publication in a book, etc.), by acknowledging that the manuscript has been published for the first time at DIT.
