Penerapan Seleksi Fitur Untuk Klasifikasi Penerima Bantuan Sosial Pangkalan Sesai Menggunakan Metode K-Nearest Neighbor

 (*)Muhammad Fauzan Mail (Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia)
 Siska Kurnia Gusti (Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia)
 Jasril Jasril (Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia)
 Pizaini Pizaini (Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, Indonesia)

(*) Corresponding Author

Submitted: August 12, 2023; Published: September 25, 2023

Abstract

The inability to fulfill basic human needs is how poverty is defined. To address this issue, the indonesian goverment implements various social assistance programs, one of which is Kartu Indonesia Pintar (KIP), aimed at providing free education to children aged 7-18 who are economically disadvantaged. However, in the distribution of aid in the Pangkalan sesai sub-district, distributing officers often face challenges due to the high number of eligible recipients applying, complex data requierements, and limited time for the officers. Distributing this social assistance accurately is crusial. Therefore, this research aims to determine the accuracy value for the data of potential recipients of the Kartu Indonesia Pintar (KIP to enhance the data verification process’s outcomes. To tackle this issue, the research employs the K-Nearest Neighbor (K-NN) algoritm and also employs feature selection using Information Gain to reduce less influential attributes. The data used consists of 1998 records of KIP beneficiaries from the 2023 in excel format, with 33 attributes. After performing data cleaning an Information Gain-based feature selection, the dataset is reduced to 1675 records, with 5 selected attributes. The best classification result in this study is achieved with ratios of 7:3 and 8:2, and a value of k = 5, yielding the highest accuracy of 98,21%. The lowest accuracy is obtained using a ratio of 9:1 with the same k value when not using Information Gain, resulting in an accuracy of 89,82%.

Keywords


Sesai Base; Classification; K-NN; Information Gain; KIP

Full Text:

PDF


Article Metrics

Abstract view : 603 times
PDF - 248 times

References

E. V. Manoppo, N. A. Laoh, I. Pemerintahan, D. Negeri, P. Provinsi, dan S. Utara, “Strategi Pemanfaatan Data Terpadu Kesejahteraan Sosial ( DTKS ) Dalam Penyaluran Bantuan Sosial RS-RTLH Oleh Dinas Sosial Provinsi Sulawesi Utara Indonesia sebagai negara demokrasi memiliki tujuan salah satunya yakni untuk memajukan serta wajib menjamin b,” vol. 4, no. April, hal. 25–39, 2022.

S. J. Ontak, E. Israel, dan A. Kamal, “Politeknik Negeri Nusa Utara Sistem Pendukung Keputusan Penerima Kartu Indonesia Pintar (KIP) Dengan Metode Simple Additive Weighting (SAW) (Studi Kasus: SD GMIST Petra Nagha),” J. Ilm. Behongang, vol. 5, no. 1, hal. 1–6, 2022.

V. A. Saputri, “Implementasi Kebijakan Kartu Indonesia Pintar (Kip) Dalam Upaya Mengurangi Anak Putus Sekolah Di Smp N 1 Poncowarno,” Spektrum Anal. Kebijak. Pendidik., vol. 10, no. 1, hal. 99–111, 2021, doi: 10.21831/sakp.v10i1.17349.

S. Syaefuddin, L. Yuliani, dan L. Oktiwanti, “Pemberian Kartu Indonesia Pintar (KIP) Dalam Upaya Meningkatkan Motivasi Belajar Bagi Peserta Didik di PKBM GEMA Pada Pendidikan Kesetaraan Program Paket B dan C Kecamatan Tawang Kota Tasikmalaya,” Comm-Edu (Community Educ. Journal), vol. 2, no. 2, hal. 147, 2019, doi: 10.22460/comm-edu.v2i2.2611.

C. R. Raharya, N. Hidayat, dan E. Santoso, “Penentuan Penerimaan Beasiswa Menggunakan Metode Modified K-Nearest Neighbor | Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 11, hal. 4984–4990, 2018, [Daring]. Tersedia pada: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/3158

A. Khairi, “Implementasi K-Nearest Neighbor (KNN) untuk Klasifikasi Masyarakat Pra Sejahtera Desa Sapikerap Kecamatan Sukarapu,” J. TRILOGI, vol. 2, no. 3, hal. 319–323, 2021, [Daring]. Tersedia pada: https://ejournal.unuja.ac.id/index.php/trilogi/article/view/2878

A. Firdaus, “Aplikasi Algoritma K-Nearest Neighbor pada Analisis Sentimen Omicron Covid-19,” J. Ris. Stat., hal. 85–92, 2022, doi: 10.29313/jrs.v2i2.1148.

S. Margaretta, I. Arwani, dan D. E. Ratnawati, “Implementasi Algoritma K-Nearest Neighbor Pada Database Menggunakan Bahasa SQL,” vol. 4, no. 7, hal. 2043–2052, 2020, [Daring]. Tersedia pada: http://j-ptiik.ub.ac.id

A. D. Ghani, N. Salman, dan Mustikasari, “Algoritma k-Nearest Neighbor Berbasis Backward Elimination Pada Client Telemarketing,” Pros. Semin. Ilm. Sist. Inf. dan Teknol. Inf., vol. 8, no. 2, hal. 141–150, 2019.

I. K. Hasan, R. Resmawan, dan J. Ibrahim, “Perbandingan K-Nearest Neighbor dan Random Forest dengan Seleksi Fitur Information Gain untuk Klasifikasi Lama Studi Mahasiswa,” Indones. J. Appl. Stat., vol. 5, no. 1, hal. 58, 2022, doi: 10.13057/ijas.v5i1.58056.

J. Homepage, S. R. Cholil, T. Handayani, R. Prathivi, dan T. Ardianita, “IJCIT (Indonesian Journal on Computer and Information Technology) Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 6, no. 2, hal. 118–127, 2021.

V. Alvian, D. Hidayatullah, A. Nilogiri, H. Azizah, dan A. Faruq, “Klasifikasi Siswa Berprestasi Menggunakan Metode K-Nearest Neighbor (KNN) Pada SMA Negeri 2 Situbondo Classification Of Achieving Students Using K-Nearest Neighbor (KNN) Method At SMA Negeri 2 Situbondo,” J. Smart Teknol., vol. 3, no. 6, hal. 2774–1702, 2022, [Daring]. Tersedia pada: http://jurnal.unmuhjember.ac.id/index.php/JST

W. Suci dan F. M. Basysyar, “Klasifikasi Data Bantuan Sosial pada Desa Sindangpano dengan Menggunakan Algoritma K-Nearest Neighbor,” vol. 5, no. 2, hal. 167–174, 2022.

S. H. A. Aini, Y. A. Sari, dan A. Arwan, “Seleksi Fitur Information Gain untuk Klasifikasi Penyakit Jantung Menggunakan Kombinasi Metode K-Nearest Neighbor dan Naïve Bayes,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 9, hal. 2546–2554, 2018, [Daring]. Tersedia pada: http://j-ptiik.ub.ac.id

M. R. Hasibuan, “Pemilihan Fitur dengan Information Gain untuk Klasifikasi Penyakit Gagal Ginjal menggunakan Metode Modified K-Nearest Neighbor (MKNN),” vol. 3, no. 11, hal. 3659–875, 2019, [Daring]. Tersedia pada: http://j-ptiik.ub.ac.id

S. N. Salsabila, B. N. Sari, R. Mayasari, I. Komputer, dan U. S. Karawang, “KLASIFIKASI ULASAN PENGGUNA APLIKASI DISCORD MENGGUNAKAN,” vol. 9, no. 2, hal. 383–392, 2023.

N. Hasdyna, E. B. Nababan, dan S. Effendi, “Dimension Reduction in Datasets Using Information Gain To Enhance K-NN Performance,” Int. J. Trend Res. Dev., vol. 6, no. 3, hal. 2394–9333, 2019, [Daring]. Tersedia pada: www.ijtrd.com

R. P. Fitrianti, A. Kurniawati, dan D. Agusten, “A-27 Implementasi Algoritma K-Nearest Neighbor Terhadap Analisis Sentimen Review Restoran Dengan Teks Bahasa Indonesia,” Semin. Nas. Apl. Teknol. Inf., hal. 1907–5022, 2019.

Bila bermanfaat silahkan share artikel ini

Berikan Komentar Anda terhadap artikel Penerapan Seleksi Fitur Untuk Klasifikasi Penerima Bantuan Sosial Pangkalan Sesai Menggunakan Metode K-Nearest Neighbor

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Muhammad Fauzan, Siska Kurnia Gusti, Jasril Jasril, Pizaini Pizaini

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Jurnal Sistem Komputer dan Informatika (JSON)
Dikelola oleh STMIK Budi Darma
Sekretariat : Jln. Sisingamangaraja No. 338 Telp 061-7875998
email : jurnal.json@gmail.com


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.