KLASIFIKASI PENERIMA BANTUAN LANGSUNG TUNAI DANA DESA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

Abstract

Desa Geyongan memiliki tingkat kemiskinan yang tinggi, mencapai 49,82% per 2023. Untuk mengatasi masalah ini, pemerintah mengeluarkan program Bantuan Langsung Tunai Dana Desa (BLT-DD). Namun, ada kesalahan dalam pembagian yang dianggap tidak adil karena data kelayakan penerima tidak sesuai. Oleh karena itu, penelitian ini dilakukan untuk mengklasifikasi penerima BLT menggunakan metode K-Nearest Neighbor dengan tujuan memastikan bantuan tepat sasaran. Pendekatan KDD (Knowledge Discovery in Database) digunakan untuk memodelkan algoritma K-Nearest Neighbor dengan bantuan aplikasi RapidMiner. Penelitian ini menggunakan empat skenario pembagian data latih dan uji (90:10, 80:20, 70:30, dan 60:40) dengan variasi nilai K (1, 3, 5, 7, 9, 11, 13, 15, 17, dan 19) untuk mencapai akurasi terbaik. Hasilnya menunjukkan bahwa skenario pembagian data 80:20 dengan nilai K=9 memberikan accuracy tertinggi, yaitu 87,31%, dengan precision 89,06%, recall 85,07%, dan F-Measure 87,02%.