Key points are not available for this paper at this time.
Die Bemühungen der Regierung zur Bekämpfung der Armut bestehen darin, mehrere Programme aufzustellen, die helfen können, die Bedürfnisse der Menschen zu erfüllen. In der Praxis kommt es jedoch nicht selten vor, dass die Verteilung von Hilfen oder anderen Regierungsprogrammen nicht zielgerichtet ist, da es keine klaren Verfahren und Berechnungen gibt, um zu bestimmen, welche Personen anspruchsberechtigt sind. Daher ist es notwendig, einen Berechnungsmechanismus zu haben, der Daten über die demografischen Merkmale der Gemeinschaft unter Verwendung von Clustering einbezieht. Bei diesem Clustering-Prozess gibt es 2 Algorithmen, die häufig verwendet werden, nämlich K-Medoids und K-Means. Die Forschung zielt darauf ab, herauszufinden, welche Gemeinschaften priorisiert werden sollten, um Unterstützung zu erhalten, und welche nicht. Um genauere Ergebnisse zu erzielen, testete diese Forschung auch die beiden Clustering-Algorithmen, um den besten Algorithmus und die beste Anzahl von Clustern basierend auf dem vorhandenen Datensatz zu bestimmen, indem der Davies-Bouldin-Index (DBI) betrachtet wurde. Diese Forschung kam zu dem Schluss, dass mit dem Datensatz der beste Algorithmus K-Medoids war und die Anzahl der Cluster 2 mit einem DBI-Wert von 1,332 betrug. In den Ergebnissen des durchgeführten Clusterings wurde von insgesamt 1031 analysierten Daten festgestellt, dass 396 Bewohner anspruchsberechtigt oder priorisiert für den Erhalt von Hilfen waren, während 635 Bewohner noch nicht auf der Prioritätenliste für den Empfang von Hilfen standen.
Siregar et al. (Tue,) haben diese Frage untersucht.