Main Content
Lembaga Kita Journal Portal

Abstract

To continue the development relay and fulfill the transition period until the simultaneous elections are held, it is necessary to prepare a Regional Development Plan (RPD) for regional heads whose terms of office end in 2022. The K-Means algorithm approach can be applied in analyzing the level of potential regional income and expenditure based on regional income and expenditure clusters that have results in the K-Means algorithm testing process, two clusters cluster 1 (C0) is a category of high spending potential consisting of and cluster 2 (C1) and is a low spending potential. The applied K-Means algorithm model has results that show a new insight, namely the grouping of regional income and expenditure budget data for the Tolikara Regency BPKAD based on 2 clusters has cluster results of 47 and 3. In analyzing the level of potential regional income and expenditure, the results of the test have centroid results 1 192973008, 16700000 and centroid results 2 7000000 and 225000000.

Keywords

Income Regional Expenditure Clustering Web based

How to Cite

Citation Format
Widianto, Zakaria, M. R., & Irvan. (2025). Penerapan Data Mining untuk Klasterisasi Data Anggaran Pendapatan dan Belanja Daerah Menggunakan Algoritma K-Means. Jurnal JTIK (Jurnal Teknologi Informasi Dan Komunikasi), 9(2), 622-630. https://doi.org/10.35870/jtik.v9i2.3425

References

20 References
  • Aljumah, A. A., Ahamad, M. G., & Siddiqui, M. K. (2013). Application of data mining: Diabetes health care in young and old patients. Journal of King Saud University-Computer and Information Sciences, 25(2), 127-136. https://doi.org/10.1016/J.Jksuci.2012.10.003
  • Aris, F. (2019). Penerapan Data Mining untuk Identifikasi Penyakit Diabetes Melitus dengan Menggunakan Metode Klasifikasi. Router Research, 1(1), 1-6.
  • Darmi, Y. D., & Setiawan, A. (2016). Penerapan metode clustering k-means dalam pengelompokan penjualan produk. Jurnal Media Infotama, 12(2). https://doi.org/10.37676/jmi.v12i2.418.
  • Efendi, M. S., & Wibawa, H. A. (2018). Prediksi penyakit diabetes menggunakan algoritma ID3 dengan pemilihan atribut terbaik. JUITA: Jurnal Informatika, 6(1), 29-35.
  • Gaol, I. L. L., Sinurat, S., & Siagian, E. R. (2019). Implementasi Data Mining Dengan Metode Regresi Linear Berganda Untuk Memprediksi Data Persediaan Buku Pada Pt. Yudhistira Ghalia Indonesia Area Sumatera Utara. KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), 3(1).
  • Hamdani, R. (2020). Pengelompokkan Loyalitas Pelanggan Dengan Menggunakan Kombinasi Rfm Dan Algoritma K-Means. Journal Of Informatic Pelita Nusantara, 5(1), 7-13.
  • Hasanah, H., & Larasati, W. (2019). Pemanfaatan Data Mining untuk Mengelompokkan Kategori Penjualan Produk. Seminar Nasional GEOTIK 2019.
  • INDONESIA, F. I. (2019). Penerapan Extreme Learning Machine (ELM) untuk Peramalan Laju Inflasi di Indonesia. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 6(2).
  • Jabat, J. T., & Murdani, M. (2019). Penerapan Data Mining Pada Penjualan Produk Retail Menggunakan Metode Clustering. Pelita Informatika: Informasi dan Informatika, 8(1), 26-32.
  • Khormarudin, A. N. (2016). Teknik data mining: Algoritma K-Means clustering. J. Ilmu Komput, 1-12.
  • Lestari, M. E. I. (2015). Penerapan algoritma klasifikasi Nearest Neighbor (K-NN) untuk mendeteksi penyakit jantung. Faktor Exacta, 7(4), 366-371. http://dx.doi.org/10.30998/faktorexacta.v7i4.290.
  • Nurmasani, A., & Pristyanto, Y. (2021). Algoritme Stacking Untuk Klasifikasi Penyakit Jantung Pada Dataset Imbalanced Class. Pseudocode, 8(1), 21-26. https://doi.org/10.33369/pseudocode.8.1.21-26.
  • Panggabean, D. S. O., Buulolo, E., & Silalahi, N. (2020). Penerapan Data Mining Untuk Memprediksi Pemesanan Bibit Pohon Dengan Regresi Linear Berganda. JURIKOM (Jurnal Riset Komputer), 7(1), 56-62.
  • Putra, P. D., & Rini, D. P. (2019). Prediksi Penyakit Jantung dengan Algoritma Klasifikasi. Pros. Annu. Res. Semin, 5(1), 978-979.
  • Rizky, F., Syahra, Y., & Mariami, I. (2019). Implementasi Data Mining Untuk Memprediksi Target Pemakaian Stok Barang Menggunakan Metode Regresi Linier Berganda. Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer), 18(2), 167-175. https://doi.org/10.53513/jis.v18i2.156.
  • Rohman, A. (2016). Komparasi Metode Klasifikasi Data Mining Untuk Prediksi Penyakit Jantung. Neo Teknika, 2(2). https://doi.org/10.37760/Neoteknika.V2i2.766.
  • Siddik, M. A., Novamizanti, L., & RAMATRYANA, I. N. A. (2019). Deteksi level kolesterol melalui citra mata berbasis hog dan ann. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 7(2), 284. https://doi.org/10.26760/Elkomika.V7i2.284
  • Sitohang, S. (2021). PENERAPAN DATA MINING DALAM PEMILIHAN LAPTOP MENGGUNAKAN METODE ALGORITMA C4. 5. Computer and Science Industrial Engineering (COMASIE), 5(5), 63-70.
  • Syaikhuddin, M. M., & Prihandoko, P. (2017). Penerapan Algoritma K-Means dan Cure Dalam Menganalisa Pola Perubahan Belanja Dari Retail ke E-Commerce. Energy: Jurnal Ilmiah Ilmu-Ilmu Teknik, 7(2), 44-49.
  • Wijaya, A. E., & Alfian, D. (2018). Sistem Rekomendasi Laptop Menggunakan Collaborative Filtering Dan Content-Based Filtering. Jurnal Computech & Bisnis, 12(1), 11-27.

Author Biographies

Widianto, Universitas Panca Sakti Bekasi, Universitas Panca Sakti Bekasi

Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Panca Sakti Bekasi, Kota Bekasi, Provinsi Jawa Barat, Indonesia.

M. Rifqy Zakaria, Universitas Panca Sakti Bekasi, Universitas Panca Sakti Bekasi

Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Panca Sakti Bekasi, Kota Bekasi, Provinsi Jawa Barat, Indonesia.

Irvan, Universitas Panca Sakti Bekasi, Universitas Panca Sakti Bekasi

Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Panca Sakti Bekasi, Kota Bekasi, Provinsi Jawa Barat, Indonesia.

License

Copyright (c) 2025 Widianto, M. Rifqy Zakaria, Irvan

Creative Commons License

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

This is an open-access journal distributed under the Creative Commons Attribution 4.0 International License (CC BY 4.0), which permits unrestricted use, distribution, reproduction, and adaptation in any medium (even commercially), provided appropriate credit is given to the original author(s), a link to the license is provided, and any changes made are indicated. Authors retain copyright without restrictions and grant the journal the right of first publication as well as non-exclusive publishing rights for archiving, indexing, and scholarly dissemination.

Downloads

OJS UsageStats Plugin
Download data is not yet available.

Similar Articles

You may also start an advanced similarity search for this article.

Contrimetric

Recommended Articles