KLASIFIKASI PENERIMA DANA BANTUAN DESA MENGGUNAKAN METODE KNN (K-NEAREST NEIGHBOR)

Penentuan status keluarga miskin sebagai penerima bantuan merupakan hal yang sangat penting agar bantuan penanggulangan kemiskinan dari pemerintah dapat disalurkan secara tepat sasaran. Data mining memanfaatkan pengalaman atau bahkan kesalahan di masa lalu untuk meningkatkan kualitas dari model maupun hasil analisisnya, salah satunya dengan kemampuan yang dimiliki teknik data mining yaitu klasifikasi. Tujuan penelitian ini adalah untuk melakukan pengujian K-Fold Cross Validation pada algoritma K-Nearst Neighbors dalam memprediksi penerimaan dana bantuan desa. Dalam dataset penerima bantuan yang digunakan dalam penelitian ini, terdapat 159 record/tuple dengan empat atribut (kondisi rumah, penghasilan, pekerjaan dan jumlah tanggungan). Prediksi kategori data baru dilakukan dengan menggunakan tahapan perhitungan manual Euclidean Distance dari lima nilai K yang berbeda. Sedangkan penggunakan aplikasi Rapidminer bertujuan untuk menguji akurasi dataset dalam lima nilai K yang berbeda. Hasilnya menunjukkan bahwa dengan K=15 dan K=30 data baru (D160) memiliki kategori “Tidak Layak” dengan tingkat akurasi sebesar 100%. Kemudian dengan K=45, K=60 dan K=75 data baru (D160) memiliki kategori “Layak” dengan tingkat akurasi sebesar 81,25%.