Seminar Nasional Teknologi Informasi Komunikasi dan Industri
2019: SNTIKI 11

KLASIFIKASI KELUARGA MISKIN MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERBASIS EUCLIDEAN DISTANCE

fitra kurnia (Unknown)



Article Info

Publish Date
26 Nov 2019

Abstract

Kemiskinan merupakan salah satu tantangan terbesar yang akan terus dihadapi semua bangsa termasuk Indonesia. Sesuai amanat konstitusi yang tertuang dalam pasal 34 Undang Undang Dasar 1945 maka pemerintah terus berupaya melindungi dan memberdayakan masyarakat miskin melalui berbagai program strategis. Salah satu problem utama yang sering menghambat suksesnya program pemerintah tersebut adalah ketersediaan data sasaran masyarakat miskin yang sesuai. Hal ini menyebabkan program pemerintah tidak berjalan secara maksimal karena perlu verifikasi dan validasi ulang. Penelitian ini bertujuan untuk merancang aplikasi yang dapat melakukan klasifikasi keluarga miskin menggunakan Algoritma  K-NN dengan empat indikator utamanya adalah Nomor Kartu Keluarga, jumlah anggota keluarga, jenis pekerjaan dan penghasilan bulanan. Klasifikasi ini menyediakan data keluarga miskin yang sesuai untuk menerima berbagai bantuan program pemerintah, misalnya Program Keluarga Harapan dari Kementrian Sosial. Prinsip kerja K-Nearest Neighbor (K-NN) adalah mencari jarak terdekat antara data yang akan dievaluasi dengan K-Nearest Neighbor(K-NN) terdekatnya dalam data pelatihan. Euclidean distance digunakan sebagai referensi mencari jarak terdekat.  Tingkat akurasi tertinggi menggunakan 100 contoh data penelitian dengan perbandingan 90:10, dengan  nilai K=5, K=7 dan K=9 adalah sebesar 90%. Kata kunci: Akurasi, Data Mining, Euclidean distance, Klasifikasi, K-Nearest Neighbor

Copyrights © 2019






Journal Info

Abbrev

SNTIKI

Publisher

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics

Description

SNTIKI adalah Seminar Nasional Teknologi Informasi, Komunikasi dan Industri yang diselenggarakan setiap tahun oleh Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau. ISSN 2579 7271 (Print) | ISSN 2579 5406 ...