Implementasi Data Mining Dalam Menentukan Strategi Promosi Program KB Menggunakan Algoritma K-Means Clustering

Fuadz Hasyim, Muafi Muafi
DOI: https://doi.org/10.33650/coreai.v3i1.4292



Abstract

Strategi promosi program KB yang dilakukan oleh pihak Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) melalui Balai Penyuluhan Program Keluarga Berencana (BPPKB) masih menyamaratakan seluruh daerah tanpa melihat keberhasilan program KB. Dibutuhkan analisis data agar strategi yang dilakukan bisa tepat sasaran. Data yang akan dianalisis merupakan data rekapitulasi kependudukan yang ada pada BPPKB. Untuk menganalisis data tersebut dibutuhkan metode atau teknik analisis data yang tepat yaitu dengan analisis data mining menggunakan algortima k-means clustering. Dengan cara melihat pola keterkaitan antar data yang digunakan sebagai penentu keberhasilan program KB, pihak BPPKB dapat dengan mudah dalam menentukan strategi promosi program KB hanya melihat pola data dari masing-masing klaster. Data penelitian diambil dari BPPKB Kecamatan Gading untuk data peserta KB aktif tahun 2019-2021, yang mencakup data dari 19 Desa di wilayah Kecamatan Gading Kabupaten Probolinggo. Dari hasil penelitian yang telah dilakukan didapatkan kesimpulan bahwa strategi promosi terbaik bagi calon peserta KB baru agar tepat sasaran adalah dengan mengirim tim admisi BPPKB yang sesuai dengan program KB yang paling banyak diminati dan melakukan promosi berdasarkan wilayah peserta KB baru dengan melakukan penyelarasan menggunakan promotion mix.

Keywords

Strategi Promosi; Program KB; Data Mining; Clustering; K-Means;

Full Text:

References

BKKBN, Keluarga Berencana dan Kontrasepsi, Jakarta: Pustaka Sinar Harapan, 2015.

INFORMATIKALOGI, "Algoritma K-Means Clustering," 12 November 2016. [Online]. Available: https://informatikalogi.com/algoritma-k-means-clustering/. [Accessed 11 April 2022].

K. P. SINAGA and M.-S. YANG, "Unsupervised K-Means Clustering Algorithm," IEEE ACCESS, vol. VIII, no. 1, pp. 80716-80727, 2020.

V. K. Ayyadevara, Pro Machine Learning Algorithms, India: Apress, 2018.

R. R. Putra and C. Wadisman, "IMPLEMENTASI DATA MINING PEMILIHAN PELANGGAN POTENSIAL MENGGUNAKAN ALGORITMA K-MEANS," Intecoms: Journal of Information Technology and Computer Science, vol. I, no. 1, pp. 72-77, 2018.

Gustientiedina, M. Adiya and Y. Desnelita, "Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan Pada RSUD Pekanbaru," JURNAL NASIONAL TEKNOLOGI DAN SISTEM INFORMASI, vol. V, no. 1, pp. 17-24, 2019.

Z. Nabila, A. R. Isnain, Permata and Z. Abidin, "ANALISIS DATA MINING UNTUK CLUSTERING KASUS COVID-19 DI PROVINSI LAMPUNG DENGAN ALGORITMA K-MEANS," Jurnal Teknologi dan Sistem Informasi (JTSI), vol. II, no. 2, pp. 100-108, 2021.

A. Sulistiyawati and E. Supriyanto, "Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan," Jurnal TEKNO KOMPAK, vol. XV, no. 2, pp. 25-36, 2021.

W. M. P. Dhuhita, "CLUSTERING MENGGUNAKAN METODE K-MEANS UNTUK MENENTUKAN STATUS GIZI BALITA," Jurnal Informatika, vol. XV, no. 2, pp. 160-174, 2015.

M. A. Hasanah, S. Soim and A. S. Handayani, "Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir," Journal of Applied Informatics and Computing (JAIC), vol. V, no. 2, pp. 103-108, 2021.


Dimensions, PlumX, and Google Scholar Metrics

10.33650/coreai.v3i1.4292


Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Fuadz Hasyim, Muafi Muafi

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


Creative Commons License
 
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi

Published by Technic Faculty of Nurul Jadid University, Probolinggo, East Java, Indonesia.