Abstract:Abstract: The government has made many efforts to eradicate poverty in society by implementing programs such as pro-poor, basic food assistance and cash assistance which are useful for achieving the standards of a prosperous…
rous society. The results of data processing are useful in future decision making. Considering the large amount of public data, finding out poor people is not an easy thing for the government to do, as is the case in North Sumatra. This research uses the K-Means Clustering (Multidimensional) method, making it easier to see patterns and structures in data that are difficult to see in the original representation. The application of the K-Means Clustering (Multidimensional) algorithm produces 3 clusters with a silhouette_score value of 33, namely cluster 0 with a high level of population poverty of 1, cluster 1 with a moderate level of population poverty of 4 and cluster 2 with a low level of population poverty as many as 28.
Keywords: Resident; Poor; Data Mining; K-Means
Abstrak: Banyak upaya yang dilakukan pemerintah untuk menghapus kemiskinan pada masyarakat dengan cara melakukan program seperti pro-poor, bantuan sembako maupun bantuan uang tunai yang berguna untuk mencapai standar masyarakat sejahtera. Hasil pengolahan data tersebut berguna dalam pengambilan keputusan kedepannya. Mengingat banyaknya data masyarakat, maka untuk mengetahui masyarakat miskin bukanlah hal mudah yang dilakukan oleh pemerintah, sama halnya di Sumatera Utara. Penelitian ini menggunakan metode K-Means Clustering (Multidimensi) memudahkan untuk melihat pola dan struktur dalam data yang sulit dilihat dalam representasi aslinya. Penerapan algoritma K-Means Clustering (Multidimensi) menghasilkan 3 cluster, yaitu dengan cluster 0 dengan tingat kemiskinan penduduk yang tinggi sebanyak 1, cluster 1 dengan tingat kemiskinan penduduk yang sedang sebanyak 4 dan cluster 2 dengan tingkat kemiskinan penduduk yang rendah sebanyak 28.
Kata kunci: Penduduk; Miskin; Multidimensi; Data Mining; K-Means
Abstract:Abstract: The Family Hope Program (PKH) is a government program in the form of cash for Very Poor Households (RTSM) whose qualifications are met related to efforts to improve human quality, not in the field of education…
but also health. In the short term, the PKH program is calculated to reduce the expenditure of poor families and reduce poverty in the long term. To receive the PKH Program) the government has set several criteria, including income, house ownership status, house size, floor type, roof, wall, and type of water source. As for the way to do the settlement of the criteria that have been set, namely by utilizing the Data Mining technique through the Naïve Bayes method. The dataset in this study is the data of recipients of the 2020 Family Hope Program as many as 82 samples. The results of the classification modeling with the Naïve Bayes Algorithm produce precision values for the positive class 100%, for the negative class 77%, the recall value for the positive class 80%, for the negative class 100%, the f1-score value for the positive class 89%, for the negative class 87%, and 88% accuracy value. The purpose of this research is to help the Social Service in classifying the recipients of the Family Hope Program (PKH).
Keywords: The Family Hope Program; Data Mining; Naïve Bayes
Abstrak: Program Keluarga Harapan (PKH) merupakan program pemerintah dalam bentuk tunai untuk Rumah Tangga Sangat Miskin (RTSM) yang kualifikasinya terpenuhi terkait dengan upaya peningkatan kualitas manusia tersebut bukan dalam bidang pendidikan tetapi juga kesehatan. dalam jangka pendek Program PKH diperhitungkan bisa mengurangi biaya pengeluaran keluarga miskin serta mengurangi kemiskinan dalam jangka panjang. Untuk menerima Program PKH) pemerintah sudah menetapkan beberapa kriteria, diantaranya Penghasilan, Status Kepemilikan Rumah, Ukuran Rumah, tipe Lantai, Atap, Dinding, serta jenis sumber air. Adapun cara untuk melakukan penyelesaian terhadap kriteria yang sudah ditetapkan yaitu dengan memanfaatkan teknik Data Mining melalui Metode Naïve Bayes. Dataset dalam penelitian ini adalah data penerima Program Keluarga Harapan tahun 2020 sebanyak 82 sampel. Hasil pemodelan klasifikasi dengan Algoritma Naïve Bayes menghasilkan besaran nilai precision untuk kelas positif 100%, untuk kelas negatif 77%, nilai recall untuk kelas positif 80%, untuk kelas negatif 100%, nilai f1-score untuk kelas positif 89%, untuk kelas negatif 87%, dan nilai akurasi 88%. Tujuan dilaksanakannya penelitian ini adalah untuk membantu Dinas Sosial mengklasifikasikan penerima Program Keluarga Harapan (PKH).
Kata kunci: Program Keluarga Harapan; Data Mining; Naïve Bayes
Abstract:Abstract: The Family Hope Program (PKH) is a government program that provides cash to Very Poor Households (RTSM) based on the terms and conditions that have been established by carrying out their obligations. The purpose…
e of the PKH is to reduce the number and break the poverty chain, improve the quality of human resources, and change behaviors that are less supportive of improving the welfare of the poorest groups. Determination of PKH aid recipients in the Coal Regency Social Service so far there are still shortcomings including not on target because the data of poor people is not up to date and the determination of criteria that have not been referred to the criteria that have been determined. For that, a system is needed that can help the process of determining PKH assistance recipients using the AHP and TOPSIS methods easily, quickly and precisely. This research aims to build the application of the decision support system of recipients of Family Hope Program (PKH) assistance in DinSos Coal Regency using AHP and TOPSIS methods. The results of this study can provide the best value based on predetermined criteria. Based on calculations using the AHP and TOPSIS methods, the decision was obtained that Rahmadan with a value of 1 and Nurul Ha with a value of 0.48 that deserved to be recommended as a recipient of PKH assistance.
Keyword: AHP; TOPSIS; Help; Family Hope Program
Abstrak: Program Keluarga Harapan (PKH) merupakan suatu program pemerintah yang memberikan uang tunai kepada Rumah Tangga Sangat Miskin (RTSM) berdasarkan persyaratan dan ketentuan yang telah ditetapkan dengan melaksanakan kewajibannya. Adapun tujuan dari PKH tersebut untuk mengurangi angka dan memutus rantai kemiskinan, meningkatkan kualitas SDM, serta mengubah perilaku yang kurang mendukung peningkatan kesejahteraan dari kelompok paling miskin. Penentuan penerima bantuan PKH pada Dinas Sosial Kabupaten Batu Bara selama ini masih terdapat kekurangan diantaranya yaitu tidak tepat sasaran yang disebabkan data warga miskin tidak up to date dan penentuan kriteria-kriteria yang belum mengacu pada kriteria yang telah ditentukan. Untuk itu diperlukan sistem yang dapat membantu proses penentuan penerima bantuan PKH menggunakan metode AHP dan TOPSIS dengan mudah, cepat dan tepat. Penelitian ini bertujuan untuk membangun aplikasi sistem pendukung keputusan penerima bantuan Program Keluarga Harapan (PKH) pada DinSos Kabupaten Batu Bara menggunakan metode AHP dan TOPSIS. Hasil penelitian ini dapat memberikan perangkingan nilai terbaik berdasarkan kriteria yang telah ditentukan. Berdasarkan perhitungan dengan menggunakan metode AHP dan TOPSIS didapat keputusan bahwa Rahmadan dengan nilai 1 dan Nurul Ha dengan nilai 0.48 yang layak direkomendasi sebagai penerima bantuan PKH.
Kata kunci: AHP; TOPSIS; Bantuan; Program Keluarga Harapan
Abstract:Abstrak: Isu demografi tentang usia harapan hidup bagi lanjut usia di Indonesia sangat berpengaruh terhadap permasalahan yang timbul, hal ini tidak hanya secara kuantitas jumlah lanjut usia bertambah, tetapi juga karena…
kerentanannya lansia (lanjut usia) perlu diperhatikan dan dilindungi. Berdasarkan kenyataan tersebut, pemerintah mengambil peran yang sangat diperlukan dalam upaya mengurangi kemiskinan para lanjut usia terlantar dalam bentuk bantuan sosial. Pemberian bantuan sosial yang dilakukan oleh Dinas Sosial Kota Tanjungbalai. Instansi tersebut memberikan bantuan sosial kepada lansia berupa uang tunai. Permasalahan yang muncul adalah ketika kuota pemberian bantuan sosial yang diberikan lebih sedikit dibandingkan dengan calon penerima bantuan. Sehingga sulitnya Dinas Sosial Kota Tanjungbalai menyeleksi proposal untuk menentukan lansia yang akan diberikan bantuan sosial. Mengatasi tersebut maka dibutuhkan suatu sistem pendukung keputusan yang membantu pihak Dinas Sosial Kota Tanjungbalai dalam memberikan keputusan. Adapun metode sistem pendukung keputusan yang digunakan adalah metode VIKOR (Vise Kriterijumska Optimizacija I Kompromisno Resenje).
Kata kunci: Metode Vikor; Pemilihan Lansia; Penerima Bantuan Sosial
Abstract:Demographic issues regarding life expectancy for the elderly in Indonesia are very influential on the problems that arise, this is not only quantitatively the number of elderly people increases, but also because the vulnerability of the elderly (elderly) needs to be considered and protected. Based on this fact, the government takes an indispensable role in efforts to reduce the poverty of neglected elderly people in the form of social assistance. Social assistance provided by the Tanjungbalai City Social Service. The agency provides social assistance to the elderly in the form of cash. The problem that arises is when the quota for social assistance provided is less than the potential beneficiaries. So that it is difficult for the Tanjungbalai City Social Service to select proposals to determine the elderly who will be given social assistance. To overcome this, a decision support system is needed that helps the Tanjungbalai City Social Service in making decisions. The decision support system method used is the VIKOR method ((Vise Kriterijumska Optimizacija I Kompromisno Resenje)
Keywords: Vikor Method; Selection of Elderly; Recipients of Social Assistance
Abstract:Abstract: This program aims to transform processed bilih fish products from Lake Singkarak through business digitalization to enhance tourism appeal and increase the added value of local food products. The partner, POKLAHSAR…
HSAR Jaso Danau in Nagari Tikalak, Solok Regency, experienced a 35% decline in sales turnover over the past two years due to limited digital marketing and reliance on conventional sales. In addition, production capacity could only meet about 60% of market demand, with inconsistent product quality caused by the absence of written SOPs. The program was implemented using a participatory approach through stages of socialization, technical training, innovation adoption, and mentoring. The main focus included the development of production SOPs, logbooks and digital bookkeeping, organizational structuring, and digital marketing strategies using websites, QR Codes, and social media. The results revealed significant improvement in five key aspects: business recording, production, distribution, branding, and digital marketing. The average score increased from 2.7 (fair) in 2024 to 4.0 (good) in 2025, with the highest achievement in business recording and digital marketing through the activation of an official website and marketplace integration. This transformation demonstrates that digitalization of local food MSMEs not only improves product quality and consistency but also expands distribution channels, strengthens competitiveness, and supports the achievement of the SDGs, particularly women’s empowerment, poverty alleviation, economic growth, and sustainable consumption and production.
Keywords: bilih fish, MSME digitalization, women empowerment, digital marketing, lake singkarak
Abstrak: Program ini bertujuan mentransformasi produk olahan ikan bilih khas Danau Singkarak melalui digitalisasi usaha guna meningkatkan daya tarik wisata dan nilai tambah pangan lokal. Mitra kegiatan adalah POKLAHSAR Jaso Danau di Nagari Tikalak, Kabupaten Solok, yang mengalami penurunan omzet hingga 35% dalam dua tahun terakhir akibat keterbatasan pemasaran digital dan masih mengandalkan penjualan konvensional. Selain itu, kapasitas produksi hanya mampu memenuhi sekitar 60% permintaan pasar, dengan kualitas produk sering tidak konsisten karena ketiadaan SOP tertulis. Kegiatan dilaksanakan dengan pendekatan partisipatif melalui tahapan sosialisasi, pelatihan teknis, penerapan inovasi, dan pendampingan. Fokus utama meliputi penyusunan SOP produksi, logbook dan pembukuan digital, pembentukan struktur organisasi, serta strategi pemasaran berbasis website, QR Code, dan media sosial. Hasil menunjukkan peningkatan keterampilan signifikan pada lima aspek utama: pencatatan usaha, produksi, distribusi, branding, dan pemasaran digital. Skor rata-rata naik dari 2,7 (cukup) pada 2024 menjadi 4,0 (baik) pada 2025, dengan capaian terbesar pada pencatatan usaha dan pemasaran digital melalui aktivasi website resmi dan integrasi marketplace. Transformasi ini membuktikan bahwa digitalisasi UMKM pangan lokal tidak hanya memperbaiki kualitas dan konsistensi produk, tetapi juga memperluas distribusi, memperkuat daya saing, serta mendukung pencapaian SDGs, khususnya pemberdayaan perempuan, pengentasan kemiskinan, pertumbuhan ekonomi, dan konsumsi-produksi berkelanjutan.
Kata Kunci: ikan bilih, digitalisasi UMKM, pemberdayaan perempuan, pemasaran digital, danau singkarak
Abstract:Abstract: Basically, this region experiences growth every year. The negative impact of uncontrolled population growth will cause social inequality and poverty and affect the progress and prosperity of the region. Judging…
from the number of residents registered with the Population and Civil Registration Service, Siantar Martoba District has a fairly high population growth rate, so it is necessary to predict the future population. In making a prediction, a good method is needed to solve a problem. In this research, a backpropagation algorithm was used using five architectures, namely architecture 4-71-1, 4-31-1, 4-16-1, 4-72-1, 4-83-1. From the results of tests carried out using data on the population of Siantar Martoba, the best architecture was obtained, namely architecture 4-31-1 with a mean squared error for training of 0.00009960 and a mean squared error for testing of 0.000099957 and obtained an epoch of 14012 iterations with a time of 01 minutes 40 seconds. It was concluded that this method can predict the population of Siantar Martoba in the future using Matlab R2011a, thus obtaining a population of Siantar Martoba of 36470 people.
Keywords: architecture; backpropagation; pematangsiantar; population; welfare
Abstrak: Pada dasarnya, wilayah ini mengalami pertumbuhan setiap tahunnya. Dampak negatif pertumbuhan penduduk yang tidak terkendali akan menyebabkan kesenjangan sosial dan kemiskinan dan mempengaruhi kemajuan, kesejahteraan daerah tersebut. Dilihat dari jumlah penduduk yang terdaftar pada Dinas Kependudukan dan Pencatatan Sipil Kecamatan siantar martoba mempunyai laju pertumbuhan penduduk yang cukup tinggi, sehingga perlu dilakukan prediksi jumlah penduduk masa depan. Dalam melakukan sebuah prediksi dibutuhkan sebuah metode yang baik dalam menyelesaikan sebuah permasalahan, dalam penelitian ini digunakan algoritma backpropagation dengan menggunakan lima arsitektur yaitu arsitektur 4-71-1, 4-31-1, 4-16-1, 4-72-1, 4-83-1. Dari hasil pengujian yang telah dilakukan dengan menggunakan data jumlah penduduk siantar martoba diperoleh arsitektur terbaik yaitu arsitektur 4-31-1 dengan nilai mean squared error pelatihan 0.00009960 dan mean squared error pengujian 0.000099957 dan memperoleh epoch 14012 iterations dengan waktu 01 menit 40 detik. Disimpulkan bahwa metode ini dapat memprediksi jumlah penduduk Siantar Martoba di masa depan dengan menggunakan Matlab R2011a, sehingga memperoleh jumlah penduduk siantar martoba sebanyak 36470 Jiwa.
Kata kunci: arsitektur; backpropagation; pematangsiantar; kependudukan; kesejahteraan
Abstract:Abstract: Indonesia is included in the category of developing countries and is a country with a relatively large population. According to data from the Pematang Siantar City Population and Civil Registration Service, West…
t Siantar District is one of the sub-districts in Pematang Siantar City whose population continues to increase and this will lead to an increase in poverty and unemployment rates. To overcome the above problems, a method is needed to analyze the population growth of West Siantar, one of which is using the Backpropagation method. This research will use training data starting from 2017-2021 and test data from 2018-2022. The results carried out using MATLAB R2011a software show the best architecture 4-19-1 with an accuracy of 100 with an MSE number of 0.00010031375 and an epoch value of 124777. Based on the research carried out, the population of West Siantar in the next year is 86067 people. It is concluded that backpropagation can be used as a method that makes it easier to search for predictions and the level of accuracy obtained depends on the architecture used.
Keywords: Birth; Growth; Matlab; Predictions; Resident
Abstrak: Indonesia termasuk dalam kategori negara berkembang dan merupakan negara dengan jumlah penduduk yang relatif besar. Menurut data Dinas Kependudukan dan Catatan Sipil Kota Pematang Siantar, Kecamatan Siantar Barat merupakan salah satu kecamatan di Kota Pematang Siantar yang jumlah penduduknya terus meningkat dan hal ini akan berdampak pada peningkatan angka kemiskinan dan pengangguran. Untuk mengatasi permasalahan diatas diperlukan suatu metode untuk menganalisis pertumbuhan penduduk Siantar Barat, salah satunya adalah dengan menggunakan metode Backpropagation. Penelitian ini akan menggunakan data latih mulai tahun 2017-2021 dan data uji 2018-2022. Hasil yang dilakukan dengan menggunakan software MATLAB R2011a menunjukkan arsitektur terbaik 4-19-1 dengan akurasi 100 dengan angka MSE 0.00010031375 dan nilai epoch 124777. Berdasarkan penelitian yang dilakukan, populasi Siantar Barat di tahun berikutnya sebanyak 86067 orang. Disimpulkan bahwa backpropagation dapat digunakan sebagai metode yang memudahkan pencarian prediksi dan tingkat akurasi yang diperoleh tergantung pada arsitektur yang digunakan.
Keywords: Kelahiran; Matlab; Pertumbuhan; Penduduk; Prediksi
Abstract:Abstract: Population is a group of people who live or settle in an area for six months or more. Increasing the population in an area results in more problems being faced by the area such as high unemployment rates, poverty…
ty and food shortages which result in hunger. BPS Asahan Regency records that there is an increase in population every year. Asahan Regency BPS cannot predict population growth in the following year, so an application is needed to predict population growth. The purpose of this study is to predict population growth in Asahan Regency in the following year based on previous data using the concept of data mining. By applying data mining using multiple linear regression methods can be used to calculate population growth estimates based on previous data. This quantitative research used population data of Asahan Regency from 2016 to 2022. From the calculation of the multiple linear regression model using data from the previous five years, the estimated population growth of Asahan for 2023 was 824,617 people and the process of estimating the population became more systematic and calculated. well with this population estimation system and the process of storing data becomes easier and does not require a lot of paper to print and save.
Keywords: Application; Data Mining; Multiple Linear Regression
Abstrak: Penduduk merupakan sekumpulan orang yang tinggal atau menetap pada suatu wilayah selama enam bulan atau lebih. Bertambahnya jumlah penduduk pada suatu daerah mengakibatkan semakin banyak pula persoalan yang di hadapi oleh daerah tersebut seperti tingkat pengangguran yang tinggi, kemiskinan dan kekurangan pangan yang mengakibatkan kelaparan. BPS Kabupaten Asahan mencatat terjadi adanya pertambahan penduduk pada setiap tahunnya. BPS Kabupaten Asahan tidak dapat memprediksi pertumbuhan penduduk pada tahun berikutnya sehingga dibutuhkan suatu aplikasi untuk memprediksi pertambahan penduduk tersebut. Tujuan penelitian ini adalah untuk memprediksi pertumbuhan penduduk Kabupaten Asahan pada tahun berikutnya berdasarkan data sebelumnya menggunakan konsep data mining. Dengan menerapkan data mining menggunakan metode regresi linier berganda dapat digunakan untuk menghitung estimasi pertumbuhan penduduk berdasarkan data sebelumnya. Penelitian yang dilakukan secara kuantitatif ini menggunakan data penduduk Kabupaten Asahan dari tahun 2016 sampai tahun 2022. Dari perhitungan model regresi linier berganda menggunakan data lima tahun sebelumnya didapat estimasi pertumbuhan penduduk Asahan untuk tahun 2023 sebesar 824.617 jiwa dan proses estimasi jumlah penduduk menjadi lebih sistematis dan terkalkulasi dengan baik dengan adanya sistem estimasi jumlah penduduk ini dan proses penyimpanan data menjadi lebih mudah dan tidak memerlukan banyak kertas untuk di cetak dan di simpan.
Kata kunci: Aplikasi; Data Mining; Regresi Linier Berganda
Abstract:Abstract: Asahan District Social Service is one of the government agencies in Asahan District. This agency is tasked with serving the community and providing the best information for the community, especially in terms of…
data processing. One of the government programs used to tackle poverty is KUBE. In general, the problems that occur in KUBE are still not optimal and not on target, so that sometimes many residents protest because residents who should receive assistance do not receive assistance and conversely residents who should not have the right to receive assistance from the Joint Business Group (KUBE). By knowing the deficiencies found in the manual calculations carried out by the Asahan District Social Service. So that beneficiaries can be determined according to the criteria determined by the Asahan District Social Service. Then a system was created using the Weighted Product method to carry out accurate calculations in providing assistance made with the PHP programming language with MySQL Database, to create a new computerized decision support which is a good alternative by prioritizing effectiveness and efficiency in determining the provision of assistance to Joint Business Groups (Joint Business Groups). KUBE). The purpose of designing a Joint Business Group assistance decision system can assist Asahan Regency social service employees in determining the granting of Joint Business Groups (KUBE).
Keywords: decision support system; KUBE; weighted product (WP)
Abstrak: Dinas Sosial Kabupaten Asahan merupakan salah satu instansi pemerintah yang ada di Kabupaten Asahan. Badan ini bertugas untuk melayani masyarakat dan memberikan informasi terbaik bagi masyarakat terutama dalam hal pengolahan data. Salah satu program pemerintah yang digunakan untuk menanggulangi kemiskinan adalah KUBE. Secara umum permasalahan yang terjadi di KUBE masih belum optimal dan belum tepat sasaran, sehingga terkadang banyak warga yang protes karena warga yang seharusnya menerima bantuan tidak mendapatkan bantuan dan sebaliknya warga yang seharusnya tidak berhak mendapatkan bantuan dari Kelompok Usaha Bersama (KUBE). Dengan mengetahui kekurangan yang terdapat pada perhitungan manual yang dilakukan oleh Dinas Sosial Kabupaten Asahan. Sehingga dapat ditentukan penerima manfaat sesuai dengan kriteria yang ditentukan oleh Dinas Sosial Kabupaten Asahan. Tujuan dibuat sistem dengan menggunakan metode Weighted Product untuk melakukan perhitungan yang akurat dalam pemberian bantuan yang dibuat dengan bahasa pemograman PHP dengan Database MySQL, untuk membuat pendukung keputusan terkomputerisasi baru yang merupakan alternatif yang baik dengan mengutamakan efektifitas dan efisiensi dalam penentuan pemberian bantuan Kelompok Usaha Bersama (KUBE). Maka perancangan sistem keputusan bantuan Kelompok Usaha Bersama dapat membantu pegawai dinas sosial Kabupaten Asahan dalam menentukan pemberian Kelompok Usaha Bersama (KUBE).
Kata kunci: KUBE; sistem pendukung keputusan; weighted product (WP)
Abstract:The Family Hope Program (PKH) is a government initiative aimed at alleviating poverty through empowering poor communities in various regions. This study aims to analyze the implementation of PKH in Teluk Ambon District,…
focusing on program effectiveness, challenges faced, and the impact on beneficiaries. The research uses a qualitative case study approach, collecting data through interviews, observations, and documentation. The findings reveal that PKH implementation generally runs according to schedule and targets the right beneficiaries, despite some technical difficulties and challenges in data updating and public understanding. Coordination among stakeholders, continuous socialization, and optimal assistance are key factors for the program’s success. Moreover, PKH has significantly improved the welfare of poor families, especially in education and health sectors. However, improvements in monitoring and evaluation mechanisms and program flexibility are needed to better respond to social changes. This study recommends enhancing administrative systems and increasing the capacity of facilitators to ensure that PKH can be more effective and sustainable.