PEMANFAATAN ALGORITMA K-MEANS CLUSTERING DALAM PENENTUAN PRIORITAS PENERIMA PROGRAM BANTUAN SOSIAL PENDIDIKAN

Program Bantuan Pendidikan merupakan salah satu upaya pemerintah untuk meningkatkan akses pendidikan bagi siswa yang berasal dari keluarga kurang mampu. Dibutuhkannya mekanisme seleksi yang efisien dan tepatsasaran agar bantuan dapat didistribusikan dengan efektif. Algoritma K-Means Clustering digunakan untuk mengelompokkan siswa berdasarkan indikator tertentu, seperti jumlah siswa persekolah pada tingkat pendidikan tertentu (SD, SMP, SMA dan Perguruan Tinggi) di wilayah tertentu. Metode ini bertujuan untuk mendukung pengambilan keputusan dalam menentukan penerimaan bantuan pendidikan dengan mengidentifikasi kelompok siswa yang paling membutuhkan dukungan. Algoritma K-Means Clustering bekerja dengan membagi data siswa menjadi beberapa cluster berdasarkan kesamaan karakteristik yang dimiliki.

Proses ini memungkinkan identifikasi prioritas dukungan bagi setiap kelompok siswa, seperti siswa dengan tingkat kebutuhan tinggi maupun rendah.

Pendekatan ini diharapkan dapat meningkatkan efisiensi, obyektivitas, dan pemerataan dalam distribusi bantuan pendidikan. Hasil analisis dengan algoritma K-Means juga dapat mengungkap pola tersembunyi dalam data pendidikan, sehingga mendukung pengambil kebijakan untuk memperbaiki kualitas program dan memastikan bahwa bantuan menjangkau siswa yang paling membutuhkan.

Hasil dari penelitian ini menunjukkan bahwa algoritma K-Means Clustering mampu mengidentifikasi kelompok-kelompok penerima bantuan secara efisien dan objektif. Kluster yang dihasilkan memberikan gambaran yang jelas tentang tingkat kebutuhan setiap kelompok berdasarkan data yang dianalisis. Dengan menggunakan alat bantu seperti Rapid Miner. Proses clustering dapat dilakukan dengan cepat hasilnya divisualisasikan menggunakan Matplotlib dan Seaborn, yang mempermudah interpretasi data.

Keunggulan utama dari pendekatan ini adalah kemampuannya untuk menangani dataset yang besar dan kompleks, sekaligus memberikan hasil yang mudah diinterpretasikan. Dengan demikian, penelitian ini memberikan kontribusi signifikan dalam menyediakan dasar pengambilan keputusan yang lebih transparan dan berbasis data bagi instansi yang bertanggung jawab atas program bantuan sosial pendidikan.

Penelitian ini tidak hanya menawarkan kerangka kerja teknis untuk pengelompokan data, tetapi juga memberikan wawasan praktis yang dapat diterapkan dalam berbagai program bantuan sosial di masa depan.