KLASIFIKASI KELAYAKAN MENERIMA BANTUAN SOSIAL MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Abstract

Klasifikasi data adalah proses penggelompokkan data berdasarkan atribut-atribut (Pekerjaan Jemaat, Tanggungan Jemaat, Status Rumah Jemaat, dan Penghasilan Jemaat). Permasalahan yang terjadi saat ini adalah seringkali terjadi pendataan penerima bantuan sosial jemaat yang tidak tepat sasaran, sehingga apabila ada bantuan sosial masuk kedalam gereja diberikan kepada jemaat yang sebenarnya kurang mampu namun beralih kepada jemaat yang mampu sehingga menimbulkan kekeliruan antar jemaat yang satu dengan yang lainnya. Hasil data yang telah diklasifikasikan menurut tingkat ekonomi jemaat data inilah yang akan menjadi acuan saat pembagian bantuan sosial bagi jemaat agar tepat sasaran. Penelitian ini penulis menggunakan metode K-Nearest Neighbor atau yang biasa disebut dengan KNN serta Pengukuran kinerja algoritma menggunakan confusion matriks untuk menghitung akurasi, precision dan recall. Peneliti ini menggunakan 50 data yang telah diinput melalui google form lalu diisi dengan jemaat dari 50 data dibagi 35 data training dan 15 data testing. Setelah data telah terinput akan melalui beberapa tahap langkah pertama yaitu inisialisasi dimana dalam proses tahap inisialisasi ini mengubah dari nilai kategori, tahap kedua yaitu proses membagi nilai dengan nilai terbesar di atribut tersebut dan tahap ketiga yaitu perhitungan jarak untuk selanjutnya menghitung confusion matrix untuk mengetahui akurasi, precision dan recall. Penelitian ini menghasilkan aplikasi yang dapat secara otomatis menentukan jemaat yang layak dan tidak layak dalam menerima bantuan sosial. Dari uji coba terhadap 15 data testing diperoleh akurasi sebesar 88,89%, precision 100% dan recall 75%.Data classification is the process of grouping data based on attributes (Congregation Employment, Congregation Dependents, Congregation Home Status, and Congregation Income). The problem currently occurring is that data collection on congregational social assistance recipients is often not on target, so that if social assistance enters the church, it is given to congregations who are actually less well off, but it is transferred to congregations who are well off, giving rise to confusion between one congregation and another. In this research the author used the K-Nearest Neighbor method or what is usually called KNN and measured algorithm performance using a confusion matrix to calculate accuracy, precision and recall. This researcher used 50 data that had been input via Google Form and then filled in the congregation from 50 data divided into 35 training data and 15 testing data. After the data has been input it will go through several stages, the first step is initialization where in the process of this initialization stage it changes the category value, the second stage is the process of dividing the value by the largest value in the attribute and the third stage is calculating the distance to then calculate the confusion matrix to determine accuracy, precision and recall. This research produces an application that can automatically determine which congregations are and are not worthy of receiving social assistance. From trials of 15 testing data, accuracy was 88.89%, precision 100% and recall 75%