Perpustakaan Digital ITB

Peningkatan jumlah data dalam era industri 4.0 menimbulkan kompleksitas dalam implementasi data mining. Data SUSENAS, yang merupakan data kompleks dengan jumlah data yang besar, tipe data campuran, dan banyak atribut, belum dimanfaatkan secara maksimal oleh pemerintah. Program Keluarga Harapan sebagai program bantuan sosial juga mengalami masalah terkait penerimaan bansos yang tidak sesuai. Oleh karena itu, penelitian ini bertujuan untuk memaksimalkan pengolahan data SUSENAS modul konsumsi guna mendukung program PKH dan memberikan informasi tentang hubungan antara pola konsumsi dan nutrisi keluarga. Pada penelitian ini, fokusnya adalah pemilihan atribut dan pengolahan tipe data campuran agar sesuai dengan input association rules dan memberikan informasi tentang hubungan antar-atribut. Metodologi CRISP-DM digunakan sebagai pendekatan penelitian, dengan algoritma FP-Growth dipilih untuk analisis association rules. Setelah melakukan transformasi data menggunakan one-hot encoding, ditemukan 37 aturan asosiasi dengan nilai confidence rata-rata 0.89 dan support rata-rata 0.30. Salah satu aturan yang menarik adalah hubungan antara ukuran keluarga dan status kemiskinan dengan status kecukupan gizi, di mana keluarga berukuran sedang cenderung mengalami kekurangan protein dan kalori. Dengan menggunakan pendekatan ini, penelitian ini memberikan kontribusi dalam memahami pola konsumsi dan nutrisi keluarga melalui analisis hubungan asosiasi pada data SUSENAS. Hasil penelitian ini diharapkan dapat mendukung program PKH dan membantu pemerintah dalam mengambil keputusan yang lebih tepat dalam memberikan bantuan sosial kepada keluarga miskin.