Implementasi K-Nearest Neighbor (KNN) untuk Mengklasifikasi Masyarakat Pra-Sejahtera Desa Sapikerep Kecamatan Sukapura

DOI: https://doi.org/10.33650/trilogi.v2i3.2878

Authors (s)


(1) * Ahmad Khairi   (Universitas Nurul Jadid)  
        Indonesia
(2)  Achmad Fais Ghozali   (Universitas Nurul Jadid)  
        Indonesia
(3)  Ach Darul Nur Hidayah   (Universitas Nurul Jadid)  
        Indonesia
(*) Corresponding Author

Abstract


Kemiskinan merupakan masalah umum yang sangat kompleks yang terdapat dibeberapa bagian negara indonesia, hal ini dapat diketahui dari rendahnya pendidikan, kesehatan dan kualitas hidup masyarakat. Kemiskinan juga merupakan salah satu penghambat bagi seseorang untuk memperoleh kehidupan yang layak atau kehidupan yang sejahtera. Pemerintah memiliki peranan penting dalam mensejahterakan warga negaranya dari kemiskinan. Pemerintah telah melakukan beberapa upaya untuk mengentaskan kemiskinan diantaranya dengan adanya Program Keluarga Harapan (PKH), Bantuan Langsung Tunasi (BLT) dan beberapa program lainnya. Namun dalam pelaksanaannya masih terdapat penerima bantuan yang tidak tepat sasaran sehingga terdapat keluarga dengan katergori sejahtera masih mendapatkan bantuan dan keluarga tidak sejahtera tidak memperoleh bantuan, seperti yang terdapat di desa sapikerep sukapura probolinggo. Beberapa kriteria untuk menentukan masyarakat sejahtera yang telah ditentukan oleh pemerintah setempat diataranya yakni aset/harta benda, jenis lantai, jenis dinding, status lahan atau bangunan, sumber penerangan, sumber air minum, penghasilan, serta sumber energi memasak. Dari permasalah diatas dibutuhkan suatu analisa yang tepat untuk menentukan suatu keputusan. Oleh sebab itu, dalam penelitian ini akan melakukan analisa terhadap data yang diperoleh dengan indikator yang telah disebutkan diatas dengan menggunakan suatu algoritma datamining. Algoritma K-Nearest Network (K-NN) merupakan algoritma yang bisa digunakan untuk melakukan prediksi ataupun klasifikasi terhadap suatu data tergantung dari jenis data pada kumpulan data yang ada. K-NN melakukan klasifikasi pada suatu data berdasarkan nilai k yang telah ditetapkan sebelumnya. Nilai k pada K-NN harus menggunakan nilai ganjil jika digunakan untuk proses klasifikasi beda halnya jika digunakan untuk melakukan prediksi nila k pada K-NN dapat berupa bilangan ganjil ataupun genap. Nilai k yang digunakan untuk menguji kinerja algoritma K-NN yakni k-3, k-5, dan k-7, dimana hasil akurasi masing-masing nilai k pada K-NN yang digunakan memiliki hasil akurasi yang berbeda terkecuali nilai akurasi k-5 dan k-7 yang memiliki nilai akurasi yang sama. Nilai akurasi k-3 pada K-NN sebesar 97.36% sedangkan nilai akurasi k-5 dan k-7 pada K-NN sebesar 98.68%.


Keywords

Masyarakat Pra-Sejahtera; K-Nearest Neighbor; Desa Sapikerep



Full Text: PDF



References


F. Gorunescu, Data Mining Concept, Models and Techniques, Verlag Berlin Heidelberg: Springer, 2011.

J. Han, M. Kamber dan J. Pei, Data Mining Concepts and Techniques Third Edition, 225 Wyman Street, Waltham, MA 02451, USA: Morgan Kaufmann Publishers, 2011

K. Santra dan C. J. Christy, “Genetic Algorithm and Confusion Matrix for Document Clustering,” IJCSI International Journal of Computer Science, vol. 9, no. 1, pp. 322-328, 2012.

Rivki M, Bachtiar A.M, Implementasi Algoritma K-Nearest Neighbor dalam Pengklasifikasian Follower Twitter yang Menggunakan Bahasa Indonesia. Jurnal Sistem Informasi. Vol 13, 01, 2017

Supriana W, Astuti, Implementasi K-Nearest Neighbor Pada Penentuan Keluarga Miskin Bagi Dinas Sosial Kabupaten Tabanan. Jurnal Teknologi Informasi dan Komputer. Vol 05, 01, 2019


Article View

Abstract views : 267 times | PDF files viewed : 799 times

Dimensions, PlumX, and Google Scholar Metrics

10.33650/trilogi.v2i3.2878


Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Ahmad Khairi, Achmad Fais Ghozali, Ach Darul Nur Hidayah

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

This ejournal system and its contents are licensed under

a Creative Commons Attribution-ShareAlike 4.0 International License