Implementation of K-Nearest Neighbor Classification Algorithm as Decision Support Method in Staple Food Aid Distribution to Society
Implementation of K-Nearest Neighbor Classification Algorithm as Decision Support Method in Staple Food Aid Distribution to Society
DOI:
https://doi.org/10.57152/ijirse.v4i1.1345Keywords:
Sembako, Data Mining, K-Nearest Neighbor, ClassificationAbstract
Sembako adalah sembilan jenis kebutuhan pokok yang umumnya diperlukan oleh orang Indonesia untuk kebutuhan sehari-hari. Dengan pendistribusian sembako tersebut, dimaksudkan untuk memenuhi kebutuhan makanan pokok secara lebih terjangkau dan mudah, terutama bagi masyarakat yang mengalami kesulitan ekonomi. Namun, masih terjadi ketidaktepatan dalam pembagiannya, di mana orang yang seharusnya menerima bantuan tidak mendapatkannya, sementara yang tidak memenuhi kriteria justru menerima bantuan. Oleh karena itu, penting untuk melakukan pengelompokan penerima bantuan sembako berdasarkan data yang telah diproses. Metode data mining cocok digunakan untuk mengidentifikasi pola dalam data, karena dapat mengekstraksi informasi penting yang sebelumnya tidak diketahui. Hasil eksperimen menunjukkan bahwa algoritma K-NN memiliki nilai akurasi yang tinggi pada K=1 dan K=2 sebesar 81.08%, namun cenderung menurun dengan peningkatan K. Evaluasi model menunjukkan kinerja baik dalam mengenali kasus "Ya", tetapi perlu diperbaiki dalam mengenali kasus "Tidak". Dengan demikian, penggunaan algoritma K-NN dalam klasifikasi distribusi bantuan sembako dapat memberikan hasil yang memadai dengan pemilihan parameter yang tepat.
References
Rahayu, N. A., Ginting, B. S., & Simanjuntak, M. (2021). SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN BANTUAN PROGRAM SEMBAKO MENGGUNAKAN METODE SMART (SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE) (STUDI KASUS?: DINAS SOSIAL KOTA BINJAI). Jurnal Sistem Informasi Kaputama, 5(1).
Pahrudin, P., & Harianto, K. (2022). Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Warga Penerima Bantuan Sosial. Building of Informatics, Technology and Science (BITS), 4(3). https://doi.org/10.47065/bits.v4i3.2276
Adhe, P. N. (2022, June 16). Bansos Tidak Tepat Sasaran Adalah Maladministrasi. Ombudsman Republik Indonesia. https://ombudsman.go.id/perwakilan/news/r/pwkinternal--bansos-tidak-tepat-sasaran-adalah-maladministrasi
Fitri, M., Chezy Vermila, dan W., & Pengajar Program Studi Agribisnis, S. (n.d.). ANALISIS KEPUASAN KONSUMEN TERHADAP PRODUK SEMBAKO PADA MINIMARKET JUAN DI KECAMATAN BENAI KABUPATEN KUANTAN SINGINGI.
Sumarlin. (2015). Implementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa PPA dan BBM Sumarlin STIKOM Uyelindo Kupang. Jurnal Sistem Informasi Bisnis (1)
S. R., Cholil, T., Handayani, R., Prathivi, & T. Ardianita (2021). IJCIT (Indonesian Journal on Computer and Information Technology) Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa. In IJCIT (Indonesian Journal on Computer and Information Technology) (Vol. 6, Issue 2).
YOZZA, H., AZIZAH, N. M., YULIANTI, L., & RAHMI, I. (2023). The Classification of “Program Sembako” recipients in Payobasung West Sumatra based on the K-nearest neighbors classifier. Jurnal Natural, 23(2), 83–91. https://doi.org/10.24815/jn.v23i2.29738
Mardi, Y. (n.d.). Jurnal Edik Informatika Data Mining?: Klasifikasi Menggunakan Algoritma C4.5. Jurnal Edik Informatika (2) 213–219.
F. Handayani (2022). Aplikasi Data Mining Menggunakan Algoritma K-Means Clustering untuk Mengelompokkan Mahasiswa Berdasarkan Gaya Belajar. doi: 10.34010/jati.v12i1
I. Budiman and R. Ramadina (2015). Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi. 1–5
A’yuniyah, Q., & Reza, M. (2022). IJIRSE: Indonesian Journal of Informatic Research and Software Engineering Application Of The K-Nearest Neighbor Algorithm For Student Department Classification At 15 Pekanbaru State High School Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Di Sma Negeri 15 Pekanbaru. Indonesian Journal of Informatic Research and Software Engineering, 3(1), 39–45.
Fasnuari, H.A.D., Yuana, H., & Chulkamdi, M.T. (2022). Penerapan Algoritma K-Nearest Neighbor (K-NN) Untuk Klasifikasi Penyakit Diabetes Melitus Studi Kasus : Warga Desa Jatitengah. ANTIVIRUS: Jurnal Ilmiah Teknik Informatika, 16(2). 133 – 142.
Priadana, S. M., & Sunarsi, D. (2021). Metode Penelitian Kuantitatif. Pascal Books.
Hafid, H. (2023). Penerapan K-Fold Cross Validation untuk Menganalisis Kinerja Algoritma K-Nearest Neighbor pada Data Kasus Covid-19 di Indonesia. In Journal of Mathematics (Vol. 6, Issue 2). http://www.ojs.unm.ac.id/jmathcos
Azis, H., Purnawansyah, P., Fattah, F., & Putri, I. P. (2020). Performa Klasifikasi K-NN dan Cross Validation Pada Data Pasien Pengidap Penyakit Jantung. ILKOM Jurnal Ilmiah, 12(2), 81–86. https://doi.org/10.33096/ilkom.v12i2.507.81-86
