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

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