Klasterisasi Penerima Bantuan Sosial Berdasarkan Karakteristik Sosial-Ekonomi Menggunakan K-Means

Abstract

Pemanfaatan data penerima bantuan sosial di tingkat desa saat ini masih terbatas sebagai data administratif, sehingga karakteristik sosial-ekonomi penerima belum terpetakan secara komprehensif. Penelitian ini bertujuan melakukan segmentasi penerima bantuan sosial di Desa Silungkang Tigo menggunakan algoritma K-Means dengan pendekatan CRISP-DM. Dataset yang digunakan terdiri atas 156 kepala keluarga dengan atribut desil kesejahteraan, penghasilan, jumlah tanggungan, jenis pekerjaan, serta status penerimaan bantuan sosial (PKH dan BPNT). Penentuan jumlah klaster dilakukan melalui evaluasi menggunakan Davies-Bouldin Index (DBI), Silhouette Coefficient, dan distribusi ukuran klaster. Hasil penelitian menunjukkan bahwa konfigurasi dua klaster (K=2) merupakan konfigurasi yang paling layak diinterpretasikan dengan nilai Silhouette sebesar 0,2848 dan DBI sebesar 1,5897; nilai Silhouette tersebut mengindikasikan struktur klaster yang masih tergolong lemah sehingga hasil dimaknai sebagai gambaran awal yang bersifat eksploratif. Hasil klasterisasi mengidentifikasi dua kelompok utama, yaitu kelompok rentan (71,79%) yang didominasi rumah tangga berpendapatan rendah dengan pekerjaan informal dan kelompok relatif lebih sejahtera (28,21%) yang ditandai dominasi pekerjaan bertenun dengan kondisi ekonomi yang lebih stabil. Kontribusi utama penelitian ini adalah karakterisasi sosial-ekonomi per klaster yang rinci (mencakup rata-rata penghasilan, komposisi pekerjaan, dan cakupan bantuan), serta sebuah dashboard operasional yang dapat dimanfaatkan perangkat desa sebagai informasi pendukung dalam pengelolaan dan evaluasi program bantuan sosial berbasis data.