Klasifikasi Kelayakan Penerima Bantuan Beras Miskin Menggunakan Metode KNN (K-Nearest Neighbor) dan Naive Bayes Studi Kasus : Desa Dringo, Kecamatan Todanan, Kabupaten Blora

Abstract

Beras miskin (raskin) adalah program bantuan yang dikeluarkan oleh pemerintah dan diperuntukkan untuk masyarakat yang mempunyai kebutuhan kurang dan penghasilan yang rendah. Aktivitas penyaluran beras miskin di Desa Dringo diperuntukkan bagi keluarga yang tidak mampu maupun belum berkecukupan, tetapi sangat jauh menurut apa yang sudah diharapkan, sekarang keluarga yang berkecukupan dan penghasilan tinggi juga menerimanya. Hal ini merupakan sesuatu yang  membutuhkan sebuah metode algoritma untuk bisa mencegah kesalahan dalam memberikan kelayakan untuk menerimanya. Penelitian ini bertujuan untuk melakukan prediksi kelayakan penerima beras miskin dengan data yang diperoleh dari Desa Dringo. Penelitian-penelitian terdahulu sudah dilakukan namun belum diketahui metode mana yang terbaik pada klasifikasi kelayakan penerima beras miskin. Dalam penelitian ini dilakukan komparasi metode Naïve Bayes dan Metode KNN (K-Nearest Neighbor). Dengan menggunakan metode Naïve bayes didapatkan akurasi sebesar 85.53% dan dengan menggunakan metode KNN (K-Nearest Neighbor) didapatkan nilai akurasi sebesar 93.42 % . Sesudah dikomparasi hasil tadi memperlihatkan bahwa dengan memakai metode KNN (K-Nearest Neighbor dihasilkan akurasi tertinggi. Hal tadi menyimpulkan bahwa metode K-nearest neighbor mempunyai kinerja lebih baik dibandingkan menggunakan metode naïve bayes.

Kata kunci: Klasifikasi, Beras Miskin, Metode KNN dan Naive Bayes