Sistem Pendukung Keputusan Penerima Beasiswa Program Indonesia Pintar Menggunakan Metode Algoritma K-Means Clustering

Abstract

SDN 020 PPU is one of the elementary schools that receive scholarships from the Program Indonesia Pintar (PIP) every year. The Smart Indonesia Program is a collaboration of three ministries of Kementerian Pendidikan dan Kebudayaan (Kemendikbud), the Kementerian Sosial (Kemensos), and the Kementerian Agama (Kemenag). Program Indonesia Pintar is designed to help school-age children from poor/vulnerable/poor priority families continue to receive education services until they finish secondary education, either through formal education (starting from SD/MI to graduating from SMA/SMK/MA) through this program the government seeks to prevent students from the possibility of dropping out of school, and is expected to attract dropouts to return to continue their education. Based on the results of the evaluation of the implementation of data processing, there are problems in distributing scholarships because there are often complications in proposing the eligibility of scholarship recipients. With these problems, a decision support system is needed to assist the school in determining scholarship recipients using the k-Means clustering algorithm method using Rapidminer studio version 9.10. This study uses 236 student data at SDN 020 PPU which consists of 5 research variables, namely Name, Number of Dependent Parents, Report Value, Occupation and Total Income of Parents. Based on the results of data processing, there are 70 data including cluster 1 with scholarship recipient status right on target, then 118 data including cluster 1 with scholarship recipient status not being targeted. and 48 data belonging to cluster 2 with scholarship recipient status not on target

Sistem Pendukung Keputusan Pemberian Bantuan Langsung Tunai Dana Desa Menggunakan Metode Analytical Hierarchy Process

“…Sistem pendukung keputusan (SPK ) telah banyak diterapkan untuk membantu dalam proses pengambilan keputusan dengan berbagai metode yang digunakan, termasuk dalam beberapa penelitian, penelitian Prahartiwi dan Rosita berjudul Sistem Pendukung Keputusan Penerima Bantuan Langsung Tunai Menggunakan Simple Additive Weighting (SAW) Di Desa Sukatenang menguraikan Simple Additive Weighting digunakan untuk memberikan penilaian kepada calon penerima bantuan berdasarkan perangkingan [3] Vol. [4] Penelitian tentang sistem penunjang keputusan dalam seleksi produk, sistem pendukung keputusan untuk pemilihan tempat servis komputer dan sistem pendukung keputusan pemilihan objek wisata menggunakan metode AHP menjelaskan bahwa implementasi metode AHP mampu memberikan hasil untuk membantu dalam pengambilan keputusan berdasarkan hasil keluaran alternatif yang diberikan melalui penggunaan kriteria dan subkriteria yang telah ditentukan sesuai dengan kebutuhan [5][6] [7] Penelitian tentang sistem pendukung keputusan untuk rekomendasi kelulusan sidang skripsi dan sistem pendukung keputusan penerimaan karyawan menggunakan metode AHP-Topsis, kombinasi metode AHP dan to psis, pada penelitian ini metode AHP digunakan untuk pembobotan terhadap masingmasing dan metode Topsis digunakan untuk melakukan analisis data dalam menentukan prioritas [8][9] Penelitian tentang Sistem Pendukung Keputusan pemberian program keluarga harapan (PKH) pada orang miskin di Kota Ternate menggunakan metode AHP menjelaskan proses tahapan AHP digunakan untuk memberikan alternatif terbaik masyarakat yang berhak mendapatkan bantuan PKH di Kota Ternate berdasarkan kriteria penerima PKH dan sistem pendukung keputusan untuk menentukan penerima bantuan sosial menerapkan weighted product method (WPM) dimana menghasilkan 21,6% KPM yang posisinya sangat stabil dan 67,5% KPM yang posisinya stabil sehingga 89,1% posisi rangking KPM dikatakan stabil [10][11]…”

Algoritma K-Means Clustering Sebagai Penentuan Beasiswa PIP pada SMPN 9 Kota Blitar

“…Algoritma ini dapat menerima data tanpa ada label kategori. K-Means Clustering Algoritma juga merupakan metode non-hierarchy [4]. Clustering pada permasalahan pendidikan juga dapat dilakukan dalam penentuan penerima beasiswa.…”

Analysis of the k-Means Method in Clustering Acceptance of PKH Aid in Pulau Rakyat Tua Village

“…Hasil penelitian algoritma k-means yang berkaitan dengan penelitian ini adalah antara lain penelitian tentang pemetaan penduduk penerima bantuan renovasi rumah menghasilkan tiga cluster yaitu penduduk yang layak, kurang layak dan penduduk yang tidak layak menerima bantuan [5], penelitian tentang kelayakan penerima bantuan covid-19 menghasilkan cluster layak dan tidak layak menerima bantuan [6], penelitian tentang penerima beasiswa program indonesia pintar menghasilkan bahwa metode k-means clustering efektif digunakan untuk menentukan penerima beasiswa KIP Kuliah [7][8], penelitian tentang penerima bantuan langsung tunai (BLT) dana desa menghasilkan bahwa dapat dijadikan solusi dalam menentukan calon penerima bantuan langsung tunai dana desa. Sehingga benar tepat sasarannya tersalurkan kepada keluarga yang berhak menerimanya [9], penelitian tentang penerima program bantuan sosial menghasilkan gambaran kepada pemerintah daerah tentang provinsi yang menerima bantuan berdasarkan jenisnya yang ada sehingga bantuan sosial yang diberikan bisa tepat sasaran kepada penerimanya [10] [11], penelitian tentang menentukan prioritas penerima bantuan bedah rumah menghasilkan pengklasteran yang membantu keputusan dalam menentukan kelompok penduduk prioritas yang mendapatkan bedah rumah [12].…”