Klasifikasi Penerima Dana Bantuan Desa Menggunakan Metode KNN (K-Nearest Neighbor)

Riyan Latifahul Hasanah, Muhamad Hasan, Witriana Endah Pangesti, Fanny Fatma Wati, Windu Gata

Abstract Views : 102 Times | Views : 107 Times

Abstract


Penentuan status keluarga miskin sebagai penerima bantuan merupakan hal yang sangat penting agar bantuan penanggulangan kemiskinan dari pemerintah dapat disalurkan secara tepat sasaran. Data mining memanfaatkan pengalaman atau bahkan kesalahan di masa lalu untuk meningkatkan kualitas dari model maupun hasil analisisnya, salah satunya dengan kemampuan yang dimiliki teknik data mining yaitu klasifikasi. Tujuan penelitian ini adalah untuk melakukan pengujian K-Fold Cross Validation pada algoritma K-Nearst Neighbors dalam memprediksi penerimaan dana bantuan desa. Dalam dataset penerima bantuan yang digunakan dalam penelitian ini, terdapat 159 record/tuple dengan empat atribut (kondisi rumah, penghasilan, pekerjaan dan jumlah tanggungan). Prediksi kategori data baru dilakukan dengan menggunakan tahapan perhitungan manual Euclidean Distance dari lima nilai K yang berbeda. Sedangkan penggunakan aplikasi Rapidminer bertujuan untuk menguji akurasi dataset dalam lima nilai K yang berbeda. Hasilnya menunjukkan bahwa dengan K=15 dan K=30 data baru (D160) memiliki kategori “Tidak Layak” dengan tingkat akurasi sebesar 100%. Kemudian dengan K=45, K=60 dan K=75 data baru (D160) memiliki kategori “Layak” dengan tingkat akurasi sebesar 81,25%.


View Counter: Abstract | 102 | times, Article PDF | PDF | 107 | times

Full Text:

PDF

References


Aditya, B., Hidayatno, A., & Zahra, A. A. (2014). Sistem Pengenalan Buah Menggunakan Metode Discrete Cosine Transform dan Euclidean Distance. Transient, 3(2), 134–138. Retrieved from https://ejournal3.undip.ac.id/index.php/transient/article/view/5444

Aminah, & Sari, N. (2018). Pengelolaan dan Pemanfaatan Dana Desa untuk Pemberdayaan Masyarakat (Studi Kasus Di Gampong Gunong Meulinteung Kecamatan Panga Kabupaten Aceh Jaya). Jurnal Public Policy, 4(1), 442–456. Retrieved from http://jurnal.utu.ac.id/jppolicy/article/view/238/210

Indriyono, B. V., Utami, E., & Sunyoto, A. (2015). Pemanfaatan Algoritma Porter Stemmer Untuk Bahasa Indonesia Dalam Proses Klasifikasi Jenis Buku. Jurnal Buana Informatika, 6(4), 301–310. Retrieved from http://ojs.uajy.ac.id/index.php/jbi/ article/view/462

Kementerian Keuangan Republik Indonesia (2017). Buku Pintar Dana Desa. Retrieved from https://www.kemenkeu.go.id/ media/6749/buku-pintar-dana-desa.pdf

Kustiyahningsih, Y., & Syafa’ah, N. (2015). Sistem Pendukung Keputusan Untuk Menentukan Jurusan Pada Siswa SMA Menggunakan Metode KNN dan Smart. Jurnal Sistem Informasi Indonesia, 1(1), 19–28. Retrieved from http://publications.aisindo.org/index.php/JSII/article/view/7/4

Lestari, U., & Targiono, M. (2017). Sistem Pendukung Keputusan Klasifikasi Keluarga Miskin Menggunakan Metode Simple Additive Weighting (SAW) sebagai Acuan Penerima Bantuan Dana Pemerintah (Studi Kasus: Pemerintah Desa Tamanmartani, Sleman). Jurnal TAM, 8(1), 70–78. Retrieved from http://ojs.stmikpringsewu.ac.id/index.php/JurnalTam/article/view/97

Rani, L. N. (2015). Klasifikasi Nasabah Menggunakan Algoritma C4.5 Sebagai Dasar Pemberian Kredit. Jurnal KomTekInfo, 2(2), 33–38. Retrieved from http://lppm.upiyptk.ac.id/KomTekInfo/index.php/KOMTEKINFO/article/view/33

Ridwan, M., Suyono, H., & Sarosa, M. (2013). Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Jurnal EECCIS, 7(1), 59–64. Retrieved from http://jurnaleeccis.ub.ac.id/index.php/eeccis/article/view/204/176

Susanto, E. S., Kusrini, & Fatta, H. Al. (2018). Prediksi Kelulusan Mahasiswa Magister Teknik Informatika Universitas AMIKOM Yogyakarta Menggunakan Metode K-Nearest Neighbor. Jurnal Teknologi Informasi, 8(2), 67–72. Retrieved from http://jti.respati.ac.id/index.php/jurnaljti/article/view/260/239

Syahid, D., Jumadi, & Nursantika, D. (2016). Sistem Klasifikasi Jenis Tanaman Hias Daun Philodendron Menggunakan Metode K-Nearest Neighboor (KNN) Berdasarkan Nilai Hue, Saturation, Value (HSV). JOIN, I(1), 20–23. Retrieved from http://join.if.uinsgd.ac.id/index.php/join/article/view/6

Tampubolon, K., Saragih, H., & Reza, B. (2013). Implementasi Data Mining Algoritma Apriori pada Sistem Persediaan Alat-alat Kesehatan. Jurnal Inti, 1(1), 93–106. Retrieved from http://stmik-budidarma.ac.id/ejurnal/index.php/inti/article/view/106

Whidhiasih, R. N., Wahanani, N. A., & Supriyanto. (2013). Klasifikasi Buah Belimbing Berdasarkan Citra Red-Green-Blue Menggunakan KNN dan LDA. Jurnal Penelitian Ilmu Komputer, System Embedded & Logic, 1(1), 29–35. Retrieved from http://jurnal.unismabekasi.ac.id/index.php/piksel/article/view/288

Yanto, R. (2018). Implementasi Data Mining Estimasi Ketersediaan Lahan Pembuangan Sampah menggunakan Algoritma Regresi Linear. Jurnal Resti, 2(1), 361–366. Retrieved from http://jurnal.iaii.or.id/index.php/RESTI/article/view/282




DOI: http://dx.doi.org/10.33480/techno.v16i1.1011

Article Metrics

Abstract view : 102 times
PDF - 107 times

Refbacks

  • There are currently no refbacks.