Kemiskinan menjadi permasalahan strategis di Kabupaten Cilacap dengan angka mencapai 12,43% pada tahun 2023. Penelitian ini bertujuan mengembangkan Sistem SIPANDU Cilacap (Sistem Prediksi dan Analisis Data untuk Subsidi) berbasis website untuk mendukung penentuan kelayakan penerima Program Keluarga Harapan (PKH). Metode penelitian menggunakan pendekatan Research and Development (R&D) dengan desain mixed-methods. Pengumpulan data dilakukan melalui studi dokumentasi, kuesioner terstruktur, dan wawancara terhadap 350 kepala keluarga di lima kecamatan prioritas. Sistem dikembangkan menggunakan arsitektur three-tier dengan teknologi PHP, MySQL, dan Bootstrap 5. Hasil penelitian menghasilkan sistem berbasis website yang terintegrasi dengan empat fitur utama: Pemetaan Wilayah untuk visualisasi sebaran kemiskinan, Cek Status PKH untuk input data calon penerima, Berita untuk informasi program, dan Tentang SIPANDU untuk profil sistem. Sistem ini dirancang untuk menghasilkan data terstruktur sesuai format yang diperlukan implementasi algoritma K-Nearest Neighbor dalam analisis kelayakan. Hasil validasi model KNN menunjukkan akurasi sebesar 83,33% dengan nilai K optimal = 5 berdasarkan evaluasi menggunakan 5-fold cross validation. Implementasi sistem menunjukkan kemampuan dalam konsolidasi data sosio-demografi yang komprehensif meliputi 21 variabel prediktor. Pengujian sistem mencakup User Acceptance Test (UAT) dengan stakeholder Dinas Sosial Kabupaten Cilacap yang menunjukkan tingkat kepuasan 92% pada aspek usability dan functionality. Hasil pengujian blackbox terhadap seluruh modul sistem menunjukkan tingkat keberhasilan 100%, membuktikan keandalan sistem untuk diimplementasikan. SIPANDU Cilacap diharapkan dapat menjadi solusi teknologi untuk meningkatkan akurasi, transparansi, dan akuntabilitas dalam penyaluran bantuan sosial PKH, sekaligus mendukung evidence-based policy dalam perumusan kebijakan penanggulangan kemiskinan di tingkat daerah.
Collaboration network of the authors
10 authors ·
15 co-authorship links
Hover or tap a name to highlight its co-authors. Double-click to open the author's page.
Universitas Ahmad Dahlan
Universitas Halu Oleo
Affiliation unknown
Different organisations
Same organisation
Affiliation unknown
Thicker line = more joint articles · bigger circle = more articles
Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.