Article Per Year (5 Year)
p-Index From 2021 - 2026
6.49
P-Index
This Author published in this journals
All Journal Media Statistika BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Edukasi dan Penelitian Informatika (JEPIN) JMPM: Jurnal Matematika dan Pendidikan Matematika BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Sarwahita : Jurnal Pengabdian Kepada Masyarakat Insan Cita Jurnal Pengabdian Kepada Masyarakat JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi
Martha, Shantika
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 55 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 55 Documents
Search

 2   3   4   5   6 
ANALISIS FAKTOR YANG MEMPENGARUHI PROFITABILITAS BANK UMUM DENGAN NET INTEREST MARGIN (NIM) SEBAGAI VARIABEL INTERVENING TAHUN 2021-2023 (Studi Kasus: Laporan Keuangan Triwulan Bank Konvensional) Al Azizi, Fudhail Azzam Thoriqi; Martha, Shantika; Yudhi, Yudhi
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i4.95972

Abstract

Profitabilitas merupakan indikator utama dalam menilai kinerja keuangan dan efisiensi operasional bank. Tingginya profitabilitas mencerminkan kemampuan bank menghasilkan laba dari aset yang dimiliki serta menunjukkan efektivitas dalam mengelola sumber daya, yang turut meningkatkan kepercayaan dari nasabah maupun investor. Salah satu ukuran profitabilitas yang umum digunakan adalah Return on Assets (ROA). ROA sangat dipengaruhi oleh pendapatan bunga bersih, yang tercermin dalam rasio Net Interest Margin (NIM). Selain NIM, beberapa faktor lain yang berpengaruh terhadap ROA adalah Capital Adequacy Ratio (CAR), Loan to Deposit Ratio (LDR), Biaya Operasional terhadap Pendapatan Operasional (BOPO), dan Non-Performing Loan (NPL). Penelitian ini bertujuan untuk mengetahui pengaruh CAR, LDR, BOPO, NPL, dan NIM terhadap ROA, dengan NIM sebagai variabel mediasi. Metode yang digunakan adalah analisis jalur, dengan uji-F dan uji-t untuk mengukur pengaruh langsung dan tidak langsung. Hasil menunjukkan bahwa CAR, LDR, BOPO, dan NIM berpengaruh signifikan terhadap ROA. Uji Sobel mengungkapkan bahwa NIM mampu memediasi hubungan antara CAR dan BOPO terhadap ROA, namun tidak memediasi LDR. Secara total, CAR berpengaruh positif terhadap ROA sebesar 0,028, LDR sebesar 0,135 (positif), BOPO sebesar -0,926 (negatif), dan NIM sebesar 0,316 (positif).
PENERAPAN METODE REGRESI ROBUST ESTIMASI-M DENGAN PEMBOBOTAN HAMPEL PADA ANALISIS PRODUKSI JAGUNG DI INDONESIA Asmara, Mira; Imro’ah, Nurfitri; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i4.99122

Abstract

Analisis regresi digunakan untuk membangun hubungan antara satu variabel terikat (Y) dan satu atau lebih variabel bebas (X) dalam model matematika. Metode yang sering digunakan untuk mengestimasi parameter adalah Metode Kuadrat Terkecil (MKT). Namun, keberadaan pencilan membuat metode ini kurang efektif, sehingga hasil estimasi parameter menjadi tidak akurat. Regresi robust adalah metode alternatif untuk mengestimasi parameter ketika terdapat pencilan. Dalam penelitian ini digunakan metode estimasi-M dengan pembobot Hampel sebagai solusi terhadap masalah pencilan. Tujuan penelitian ini adalah menerapkan regresi robust estimasi-M pada data produksi jagung di Indonesia berdasarkan data BPS tahun 2023 dari 34 provinsi. Pemilihan variabel jumlah curah hujan (X_1) dan jumlah pupuk (X_2) didasarkan pada pentingnya kedua faktor tersebut dalam mempengaruhi tingkat produksi jagung di sektor pertanian. Jagung dipilih sebagai objek penelitian karena merupakan salah satu komoditas pertanian utama yang berperan dalam ketahanan pangan dan industri pakan ternak di Indonesia. Pencilan dalam data diidentifikasi menggunakan boxplot dan nilai DFFITS, yang menunjukkan adanya pencilan, sehingga digunakan regresi robust estimasi-M dengan pembobotan Hampel. Berdasarkan model yang dihasilkan menunjukkan bahwa kenaikan 1 mm curah hujan per tahun diperkirakan akan meningkatkan produksi jagung sebesar 28,0696 ton, sedangkan kenaikan 1 kg pupuk diperkirakan akan meningkatkan produksi jagung sebesar 0,6830 ton. Model ini memiliki adjusted R-Square sebesar 98,98% dan standard error sebesar 91600, sehingga menghasilkan estimasi yang lebih stabil.
PENERAPAN LONG SHORT-TERM MEMORY DALAM PERAMALAN HARGA CRUDE PALM OIL DI INDONESIA Calissta, Leanna Belva; Perdana, Hendra; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i3.95311

Abstract

Crude Palm Oil (CPO) adalah jenis minyak nabati yang dihasilkan dari buah tanaman kelapa sawit. Di Indonesia, CPO memegang peranan penting di industri perdagangan ekspor. Akan tetapi, harga CPO yang fluktuatif dapat menimbulkan risiko untuk pihak terlibat, sehingga peramalan dilakukan untuk meminimalisir risiko tersebut. Long Short-Term Memory (LSTM) merupakan salah satu metode yang dapat digunakan. LSTM adalah metode hasil dari pengembangan Recurrent Neural Network. Tujuan penelitian ini yaitu menerapkan metode LSTM untuk meramalkan harga CPO di Indonesia pada periode 1 Agustus hingga 30 Agustus 2024. Data yang digunakan yaitu data harian harga CPO di Indonesia dengan jangka waktu dari 3 April 2023 hingga 31 Juli 2024 yang diperoleh dari website Badan Pengawas Perdagangan Berjangka Komoditi. Pada penelitian ini, dilakukan pembagian data dimana data training sebanyak 260 data untuk pelatihan model dan testing sebanyak 41 data untuk evaluasi model. Parameter yang digunakan yaitu epoch, dimana jumlah epoch sebanyak 10. Penelitian ini dilakukan menggunakan bantuan software RStudio dengan package yang digunakan yaitu "Tsdeeplearning". Dari penelitian yang telah dilakukan, didapatkan hasil bahwa metode LSTM mampu melakukan peramalan harga CPO di Indonesia dengan nilai Mean Absolute Percentage Error (MAPE) yang diperoleh pada data training yaitu sebesar 3,69% dan pada data testing sebesar 4,74%. Dengan nilai MAPE tersebut, akurasi model peramalan dapat dikategorikan sangat baik. Dari hasil peramalan diperoleh bahwa harga tertinggi ada pada tanggal 5 Agustus 2024 sebesar Rp16.006 per kg dan harga terendah pada tanggal 16 Agustus 2024 sebesar Rp14.960 per kg.
PENERAPAN SUPPORT VECTOR MACHINE DENGAN SYNTHETIC MINORITY OVERSAMPLING TECHNIQUE (SMOTE) DALAM PENGKLASIFIKASIAN PENYAKIT DIABETES Nurhaliza, Sy. Farini; Imro’ah, Nurfitri; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i3.94380

Abstract

Algoritma Support Vector Machine (SVM) merupakan salah satu metode dalam data mining yang populer digunakan untuk klasifikasi, terutama karena kemampuannya dalam menangani data berdimensi tinggi. Meskipun begitu, performa SVM dapat menurun jika terdapat ketidakseimbangan kelas pada data, karena kelas mayoritas cenderung mendominasi hasil prediksi sehingga kelas minoritas sering terabaikan. Penelitian ini bertujuan untuk menerapkan algoritma SVM dalam pengklasifikasian penyakit diabetes dengan membandingkan performa model sebelum dan sesudah diterapkannya Synthetic Minority Over-sampling Technique (SMOTE). Data yang digunakan adalah PIMA Indian Diabetes dari Kaggle yang diketahui memiliki distribusi kelas yang tidak seimbang. Untuk mengatasi hal tersebut, SMOTE digunakan dengan parameter K-Nearest Neighbors sebanyak 3, dengan kelas positif mewakili pasien yang terdiagnosa diabetes. Evaluasi dilakukan terhadap tiga jenis Kernel SVM, yaitu Linear, RBF, dan Polinomial, pada data latih maupun data uji. Hasil pada data latih menunjukkan bahwa penggunaan SMOTE dapat meningkatkan nilai recall dan F1-score secara signifikan dibandingkan model tanpa SMOTE. Misalnya, model dengan SMOTE dan Kernel RBF menghasilkan akurasi 0,9828, recall 0,9863, dan F1-score 0,9822. Sebaliknya, model tanpa SMOTE menghasilkan F1-score sebesar 0,1600 pada data uji, menunjukkan potensi overfitting. Pada data uji, penerapan SMOTE juga meningkatkan performa, terutama pada Kernel Linear dan Polinomial. Kernel Linear dengan SMOTE mencapai recall sebesar 0,7368 dan F1-score 0,6829, lebih baik dibandingkan model tanpa SMOTE. Hasil ini menunjukkan bahwa pola klasifikasi pada data cenderung linier.
PEMODELAN REGRESI PANEL SPASIAL PADA TINGKAT PENGANGGURAN TERBUKA DI PROVINSI KALIMANTAN BARAT Wuri, Hastri Sastia; Kusnandar, Dadan; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74371

Abstract

Tingkat Pengangguran Terbuka (TPT) adalah persentase dari jumlah pengangguran terhadap angkatan kerja pada suatu daerah. Penelitian ini bertujuan untuk mengetahui model yang sesuai dan menganalisis faktor yang mempengaruhi tingkat pengangguran terbuka untuk Kabupaten/Kota pada Provinsi Kalimantan Barat. Data pada penelitian ini menggunakan lima variabel yaitu TPT, TPAK, IPM, APS, dan RLS. Langkah-langkah pada penelitian ini dimulai dengan melakukan identifikasi pada data panel menggunakan 2 uji yaitu uji chow dan hausman dalam membandingkan model terbaik. Membuat pembobot spasial menggunakan Queen Contiguity dalam mendeteksi dependensi spasial melalui pengujian lagrange multiplier dalam mendapatkan efek spasial lag untuk model SAR-FE dan spasial error untuk model SEM-FE. Hasil pada penelitian menunjukkan model terbaik adalah model SAR-FE dengan nilai  sebesar 86,4% dengan model yang terbentuk .Pada model didapatkan faktor yang mempengaruhi TPT untuk Kabupaten/Kota  di Provinsi Kalimantan Barat yaitu tingkat partisipasi angkatan kerja dan indeks pembangunan manusia.  Kata Kunci: Data Panel, Panel Spasial, Tingkat Pengangguran Terbuka
PERAMALAN HARGA TANDAN BUAH SEGAR KELAPA SAWIT MENGGUNAKAN FUZZY TIME SERIES RUEY CHYN TSAUR Hamdari, Ela; Martha, Shantika; Debataraja, Naomi Nessyana
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74051

Abstract

Kelapa sawit merupakan tanaman yang banyak ditanam di Indonesia, hal ini dikarenakan Indonesia memiliki kondisi geografis yang cocok dikembangkan menjadi perkebunan kelapa sawit. Kelapa sawit merupakan tanaman perkebunan yang memiliki nilai tambah ekonomi yang tinggi. Maka dari itu diperlukan informasi terkait harga TBS kelapa sawit. Hal ini bertujuan untuk mengambil kebijakan dalam mengatasi permasalahan terkait harga TBS menjelang panen. Untuk mengetahui informasi terkait harga TBS maka diperlukan proses peramalan. Peramalan adalah cara untuk memprediksi kejadian kedepannya menggunakan data yang diperoleh sebelumnya. Didalam penelitian ini terdapat tujuan yaitu menerapkan metode Fuzzy Time Series Ruey Chyn Tsaur dalam meramalkan harga tandan buah segar (TBS) kelapa sawit di Kalimantan Barat. Data yang diolah merupakan harga TBS pada bulan Januari 2020 hingga Januari 2023. Tahapan yang dilakukanpada penelitian yaitu menetapkan semesta pembicaraan, menetapkan interval, menganalisis himpunan fuzzy yang terbentuk, membentuk fuzzifikasi, mengidentifikasi fuzzy logic relationship, mengidentifikasi fuzzy logic relationship grup, menyusun matriks probabilitas transisi, menentukan nilai peramalan awal, melakukan penyesuaian kecenderungan nilai peramalan dan menentukan   nilai peramalan akhir. Hasil penelitian menunjukkan peramalan harga TBS di Kalbar pada Februari 2023 sebesar Rp.2,088,94. Metode Fuzzy Time Series Ruey Chyn Tsaur dapat diterapkan untuk peramalan harga TBS di Kalbar melalui tingkat kesalahan atau Mean Absolute Percentage Error (MAPE) sebesar 8,98%, yang dapat disimpulkan bahwa hasil peramalan harga TBS di Kalbar menggunakan Fuzzy Time Series Ruey Chyn Tsaur tergolong sangat baik.  Kata Kunci: fuzzifikasi,   fuzzy logic relationship, MAPE
IMPLEMENTASI ALGORITMA GATED RECURRENT UNIT (GRU) UNTUK MEMPREDIKSI HARGA CRUDE PALM OIL (CPO) INDONESIA Robbiati, Dian; Perdana, Hendra; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 4 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i4.95959

Abstract

Minyak sawit mentah atau crude palm oil (CPO) merupakan salah satu hasil olahan utama kelapa sawit dengan nilai ekonomis tinggi sebagai komoditas ekspor dan sumber devisa negara. Fluktuasi harga CPO menyebabkan ketidakstabilan harga Tandan Buah Segar (TBS), yang berdampak pada menurunnya pendapatan petani dan risiko kerugian perusahaan akibat biaya produksi yang tidak tertutupi serta penumpukan CPO yang tidak terjual. Penelitian ini bertujuan untuk memprediksi harga CPO Indonesia menggunakan algoritma Gated Recurrent Unit (GRU). GRU merupakan salah satu varian dari algoritma Recurrent Neural Networks (RNN) yang efisien dalam menangani data time series. Data yang digunakan adalah data harga harian CPO Indonesia dari Badan Pengawas Perdagangan Berjangka Komoditi (Bappebti). Dataset kemudian dibagi menjadi data training yang terdiri dari periode 1 April 2023 "“ 31 Mei 2024 dan data testing yang terdiri dari periode 1 Juni "“ 31 Juli 2024. Penelitian ini dilakukan menggunakan software RStudio dengan package "Tsdeeplearning". Proses pelatihan model meliputi inisialisasi bobot dan bias, perhitungan reset gate dan update gate dengan fungsi aktivasi sigmoid, kandidat hidden state dengan fungsi aktivasi tanh, serta hidden state. Pelatihan model berhenti pada epoch ke-10 setelah mencapai kondisi optimum . Hasil penelitian menunjukkan bahwa model GRU memiliki kinerja yang sangat baik dalam memprediksi harga CPO Indonesia. Hal ini ditunjukkan oleh nilai MAPE pada data training dan testing masing-masing sebesar 2,6% dan 2,7%. Hasil prediksi untuk satu bulan ke depan yaitu periode Agustus 2024 menunjukkan bahwa rata-rata harga CPO Indonesia sebesar Rp15.378.
KLASIFIKASI KELULUSAN MAHASISWA FMIPA UNTAN DENGAN LIGHT GRADIENT BOOSTING MACHINE Sadikin, Utin Azwa Sayhani; Martha, Shantika; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 3 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i3.95348

Abstract

Kelulusan mahasiswa tepat waktu merupakan salah satu indikator keberhasilan dalam pendidikan tinggi. Pencapaian ini dipengaruhi oleh berbagai faktor, seperti performa akademik, latar belakang pendidikan, serta aspek sosial dan ekonomi. Oleh karena itu, diperlukan metode klasifikasi yang efektif untuk membantu pihak program studi maupun fakultas dalam menganalisis faktor-faktor yang berkontribusi terhadap kelulusan mahasiswa dan mengambil langkah strategis yang tepat. Salah satu metode yang dapat digunakan adalah Light Gradient Boosting Machine (LightGBM), yaitu sebuah algoritma berbasis Gradient Boosting Decision Tree yang dioptimalkan efisiensi dan kecepatannya. Penelitian ini bertujuan untuk mengklasifikasikan kelulusan mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Tanjungpura (UNTAN) menggunakan metode Light Gradient Boosting Machine (LightGBM) dan mengevaluasi hasil klasifikasi tersebut dengan nilai akurasi. Dataset yang digunakan mencakup berbagai variabel seperti faktor akademik yaitu, Indeks Prestasi Semester, dan faktor ekonomi keluarga. Proses pembangunan model dimulai dengan tahap pra-pemrosesan data, termasuk pembersihan data dan transformasi variabel. Model LightGBM kemudian dibangun menggunakan hyperparameter yang dioptimalkan untuk memperoleh performa terbaik. Setelah pembuatan model selesai, model disimpan dan dimuat kembali untuk melakukan klasifikasi pada data. Hasil penelitian ini didapatkan kesimpulan bahwa mahasiswa yang mendapatkan nilai IP
PEMODELAN TINGKAT PENGANGGURAN TERBUKA MENGGUNAKAN GENERALIZED LINEAR MODEL Mori, Stepanus Armadi; Martha, Shantika; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74684

Abstract

Tingkat pengangguran terbuka menjadi aspek yang perlu diperhatikan di negara berkembang seperti Indonesia. Jawa Timur merupakan provinsi dengan penduduk nomor 2 tertinggi di Indonesia tahun 2022 tentnya tidak terlepas dengan permasalahan tingkat pengangguran terbuka. Tidak terserapnya tenaga kerja usia produktif serta kurangnya lapangan pekerjaan yang tersedia menyebabkan pengangguran di suatu daerah dapat menjadi meningkat. Oleh karena itu, perlu dilakukan sebuah analisis untuk mencegah meningkatnya tingkat pengangguran terbuka. Untuk dapat menjadi bahan evaluasi oleh pemerintah dilakukan pemodelan menggunakan generalized linear model menggunakan distribusi gamma untuk mengetahui faktor-faktor yang mempengaruhi tingkat pengangguran terbuka berdasarkan sektor ketenagakeraan, sektor sosial dan kependudukan, dan sektor pendidikan serta mengetahui faktor-faktor berdasarkan model terbaik yang memiliki pengaruh terhadap tingkat pengangguran terbuka di Jawa Timur tahun 2022. Penelitian ini menggunakan data di Jawa Timur dengan data sebanyak 38 kabupaten/kota dengan variabel yaitu tingkat pengangguran terbuka (Y), sektor ketenagakerjaan yakni tingkat partisipasi angkatan kerja (X1), pencari kerja terdaftar (X2), dan lowongan kerja terdaftar (X3), sektor sosial dan kependudukan yakni persentase penduduk miskin (X4), angka harapan hidup (X5), laju pertumbuhan penduduk (X6), dan kepadatan penduduk (X7), serta sektor pendidikan yakni rata-rata lama sekolah (X8), dan harapan lama sekolah (X9). Berdasarkan hasil penelitian ini, didapatkan sektor sosial dan kependudukan sebagai model terbaik berdasarkan nilai akaike"™s information criterian terkecil. Dari model tersebut dapat diketahui bahwa faktor-faktor yang memiliki pengaruh signifikan terhadap tingkat pengangguran terbuka adalah persentase penduduk miskin.  Kata Kunci : Metode Generalized Linear Model, Distribusi Gamma, Akaike"™s Information Criterian
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DENGAN NORMALISASI Z-SCORE DALAM KLASIFIKASI PENERIMA BANTUAN SOSIAL DESA SERUNAI Safitri, Novi; Kusnandar, Dadan; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 1 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i1.74063

Abstract

Beberapa program pemerintah dalam menanggulangi masalah kemiskinan, diantaranya Program Keluarga Harapan (PKH), Bantuan Pangan Non Tunai (BPNT), Bantuan Sosial Tunai (BST), dan Bantuan Langsung Tunai (BLT) dana desa. Desa Serunai merupakan desa yang berada di Kecamatan Salatiga Kabupaten Sambas, telah menerapkan pemberian bantuan sosial sejak tahun 2020. Penentuan penerima bantuan sosial yang dilakukan dengan cara manual dapat menjadi penyebab ketidaktepatan sasaran penerima bantuan. Oleh karenanya penelitian ini bertujuan mengklasifikasikan penerima bantuan sosial dan mencari akurasi terbaik menggunakan algoritma K-Nearest Neighbor dengan normalisasi z-score. Penerima bantuan sosial diklasifikasikan menjadi tiga, yaitu penerima PKH, penerima BLT dana desa dan tidak menerima bantuan. Klasifikasi penerima bantuan menggunakan perhitungan jarak Euclidean dengan sembilan parameter K, yaitu . Perhitungan akurasi dilakukan dengan confusion matrix. Data yang digunakan adalah data Pemutakhiran Keluarga Desa Serunai Tahun 2022 yang berdomisili di Dusun Kemboja, diperoleh dari website BKKBN dan kantor Desa Serunai, sebanyak 205 data dengan delapan variabel atribut dan satu variabel kelas. Data dibagi menjadi data latih (training) dan data uji (testing), dengan proporsi 90:10, 80:20, dan 70:30. Hasil penelitian menunjukkan bahwa klasifikasi terbaik diperoleh pada proporsi 90:10 dengan parameter , dimana dari 20 individu yang diprediksi, terdapat sepuluh individu diklasifikasikan sebagai penerima PKH (kelas 1), satu individu diklasifikasikan sebagai penerima BLT dana desa (kelas 2) dan sembilan individu diklasifikasikan sebagai bukan penerima bantuan (kelas 3).  Jika disandingkan dengan data aktual terdapat dua individu yang salah diklasifikasikan sehingga didapatkan akurasi sebesar 90%, dengan recall sebesar 100% dan presisi sebesar 80%.  Kata Kunci: klasifikasi, normalisasi z-score, jarak Euclidean.
Co-Authors , Syahru Rahmayuda, Haris Febriyanto Ramadhan , Sampe Hotlan Sitorus Agustono, Hendri Al Azizi, Fudhail Azzam Thoriqi Amarrullah, Rido Andani, Wirda Anggria, Vini Apriliyanti, Rita Aprizkiyandari, Siti Asmara, Mira AYU ASTUTI, AYU Ayuni, Anisa Putri Bartolomius, Bartolomius Cahyani, Cristy Framedia Calissta, Leanna Belva Clarenda Siboro, Viren Marcellya Cornellia, Amanda Dadan Kusnandar Deanovela, Adelea Delvi Debataraja, Naomi Nessyana Dwi Marisa Midyanti Dyaherawati, Oktavia Ersawahyuni, Aisna Evy Sulistianingsih Fallah, Khalishah Ghina Fiqriah, Isnaini Gunawan, Risky Hamdari, Ela Hariadi, Wahyudio Shaney Fikri Hendra Perdana Hidayatullah Hidayatullah Ilhamsyah Imro'ah, Nurfitri IMRO’AH, NURFITRI Indriani, Maria Meilinda Istighfarani, Ridha Maharani, Cinta Priscillia Mori, Stepanus Armadi Muhtadi, Radhi Neva Satyahadewi Novi Safitri Nurhaliza, Sy. Farini Oktitannia, Dea Pebriyandi, Rifki Pramesti, Surya Adinda Fitria Prianti, Sabrina Eka Purwanty, Purwanty Puspita, Risma Radinasari, Nur Ismi Rahmadanti, Putri Rahmawati, Fenti Nurdiana Rezaldi, Muhammad Fachri Riovani, Vriska Dwi Rivaldi, Syahrul Rizki, Setyo Wira Robbiati, Dian Sadikin, Utin Azwa Sayhani Salsabila, Salsabila Salsabila, Yumna Hanum Sindia, Eri Tamtama, Ray Umiati, Wiji Vebriyanti, Lo Mei Ly Wuri, Hastri Sastia Yogi, Vinsensius Yudhi Yundari, Yundari Zaria, Della