Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Kelayakan Status Penduduk Miskin Di Desa Susukan Tonggoh

Abstract

Poverty is a condition where a person cannot meet his needs for a dignified life. Poverty in Indonesia does not only occur in one stage, but poverty extends from urban to rural areas. For example poverty in Susukan Tonggoh Village. In Susukan Tonggoh Village, the number of poor people continues to grow. The government actually plans various steps to overcome the problem of poverty in the village. However, the biggest problem is the lack of accurate information from the village about which residents qualify to be categorized as poor, making it difficult for the government's plans to address the problem of poverty. Therefore the purpose of this final project is to classify residents who are categorized as poor in Susukan Tonggoh Village. This final project was carried out based on data obtained from direct observation in Tonggoh Susukan Village as many as 282 data. The method used in this project is the data mining method, which is a classification method with the K-Nearest Neighbor algorithm using 6 regular attributes, namely name, address, occupation, place of residence, income level, source of income and 1 special attribute, namely the status of the poor. This final project creates qualification levels for villagers who meet poverty criteria, namely in the form of eligible and unfit categories. After running the entire process with a value of K = 5, this final project produces an accuracy rate of 95.11%. Predictions were not feasible and true were not feasible as many as 72. Predictions were not feasible and were feasible as many as 4. Predictions were feasible and were not feasible as many as 8. Predictions were feasible and true were feasible as many as 141. With a feasible class recall of 97.24% and class recall not feasible of 90.00 %.
 Keywords: Data Mining, K-Nearest Neighbor, Poverty, Classification.
Abstrak
Kemiskinan adalah suatu keadaan dimana seseorang tidak dapat memenuhi kebutuhannya akan kehidupan yang makmur. Kemiskinan di Indonesia tidak hanya terjadi dalam satu tahap, tetapi kemiskinan meluas dari perkotaan hingga pedesaan. Misalnya kemiskinan di Desa Susukan Tonggoh. Di Desa Susukan Tonggoh, jumlah penduduk miskin terus bertambah. Pemerintah sebenarnya merencanakan berbagai langkah untuk mengatasi masalah kemiskinan di desa. Namun, masalah terbesarnya adalah kurangnya informasi yang akurat dari desa tentang penduduk mana yang layak untuk dapat dikategorikan miskin, sehingga mempersulit rencana pemerintah untuk mengatasi masalah kemiskinan. Oleh karena itu tujuan dari penelitian ini adalah untuk mengklasifikasikan penduduk yang layak dikategorikan sebagai penduduk miskin di Desa Susukan Tonggoh. Penelitian ini dikerjakan berdasarkan data yang diperoleh dari pengamatan langsung di Desa Tonggoh Susukan sebanyak 282 data. Metode yang digunakan dalam penelitian ini adalah metode data mining, yaitu metode klasifikasi dengan algoritma K-Nearest Neighbor menggunakan 6 atribut regular yaitu nama, alamat, pekerjaan, tempat tinggal, tingkat pendapatan, sumber pendapatan dan 1 atribut khusus yaitu status penduduk miskin. Penenlitian ini menciptakan tingkat kualifikasi penduduk desa yang memenuhi kriteria kemiskinan, yaitu berupa kategori layak dan tidak layak. Setelah menjalankan seluruh proses dengan nilai K=5, penelitian ini menghasilkan tingkat akurasi sebesar 94.67 %. Prediksi tidak layak dan true tidak layak sebanyak 72. Prediksi tidak layak dan ternyata layak sebanyak 4. Prediksi   layak dan ternyata tidak layak  sebanyak 8. Prediksi layak dan true layak sebanyak 141. Dengan  class  recall  layak  sebesar  97.24%  dan class  recall tidak layak sebesar 90.00%.
Kata kunci: Data Mining, K-Nearest Neighbor, Kemiskinan, Klasifikasi