KLASIFIKASI PERSENTASE KEMISKINAN DI JAWA BARAT MENGGUNAKAN DATA MINING ALGORITMA K-NEAREST NEIGHBOR (KNN)

  • Duwo Jiwo Saputro A
  • Darmawan A
  • Nurina Sari B
N/ACitations
Citations of this article
76Readers
Mendeley users who have this article in their library.

Abstract

Salah satu masalah utama yang masih dihadapi banyak negara, termasuk Indonesia, adalah kemiskinan. Keadaan dimana seseorang dipandang tidak mampu secara ekonomi untuk memenuhi kebutuhan. Data berdasarkan dari Badan Pusat Statistik (BPS) pada Provinsi Jawa Barat, persentase kemiskinan yang terjadi di Jawa Barat pada tahun 2016 – 2021, BPS mencatat jumlah persentase kemiskinan yang terjadi di Jawa Barat pada tahun 2016 = 8.95, 2017 = 8.71, 2018 = 7.45, 2019 = 6.91, 2020 = 7.88, 2021 = 8.40. Penelitian ini bertujuan untuk klasifikasi tingkat persentase kemiskinan di Jawa Barat pada tahun 2016 – 2021 menggunakan algoritma K-Nearest Neighbor (KNN). Cara kerja K-Nearest Neighbor yang berfungsi membedakan kelas data atau konsep. Hasil penelitian ini menunjukkan persentase kemiskinan 27 kabupaten/kota yang ada di Jawa Barat pada nilai k=3 dengan tingkat akurasi sebesar 96.30%, recall 100% dan presisi sebesar 92,31%. Dari penelitian yang dilakuakn Metode K-Nearest Neighbor (KNN) berhasil mengklasifikasikan dengan baik.

Cite

CITATION STYLE

APA

Duwo Jiwo Saputro, A., Darmawan, A., & Nurina Sari, B. (2024). KLASIFIKASI PERSENTASE KEMISKINAN DI JAWA BARAT MENGGUNAKAN DATA MINING ALGORITMA K-NEAREST NEIGHBOR (KNN). JATI (Jurnal Mahasiswa Teknik Informatika), 7(4), 2718–2723. https://doi.org/10.36040/jati.v7i4.7178

Register to see more suggestions

Mendeley helps you to discover research relevant for your work.

Already have an account?

Save time finding and organizing research with Mendeley

Sign up for free