Implementasi Algoritma K-Nearest Neighbor Dalam Menentukan Penerima Bantuan Langsung Tunai

Abstract

Proses penentuan data dan pemberian bantuan terhadap penerima manfaat sudah dilaksanakan sebelumnya, Namun bantuan yang di terima ada yang tidak sesuai dengan yang diharapkan, hal tersebut disebabkan salah satunya karena penetapan status keluarga miskin selaku penerima bantuan belum maksimal sehingga dalam membagikan bantuan masih belum akurat. Maka dari itu penelitian ini mencoba untuk mengklasifikasi penerima manfaat menggunakan metode K-Nearest Neighbor sehingga penerima bantuan benar-benar tepat sasaran. Kriteria yang digunakan pada penelitian ini yaitu Kondisi Rumah, Pekerjaan, Penghasilan dan Jumlah tanggungan. aplikasi yang digunakan yaitu rapidminer versi 9.10 dengan operator retrive, Cross Validation, Algoritma K-NN, Apply Model dan Performance. Nilai akurasi sebesar 68,82 % dengan rincian sebagai berikut. Prediksi Layak dan Ternyata True Layak Sebesar 104. Prediksi Layak dan Ternyata True Tidak Layak Sebesar 37. Prediksi Tidak Layak dan Ternyata True Layak Sebesar 16. Prediksi Tidak Layak dan Ternyata True Tidak Layak Sebesar 13. Dengan class recall layak sebesar 86,67% dan Class Recall Tidak Layak Sebesar 26%.