Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik
Jilan, Siti Nawala
Unknown Affiliation
Computer Science & IT Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Kelayakan Penerima Bantuan Beras Miskin Menggunakan Metode KNN (K-Nearest Neighbor) dan Naive Bayes Studi Kasus : Desa Dringo, Kecamatan Todanan, Kabupaten Blora Jilan, Siti Nawala; Pratama, Fandy Indra
Prosiding Seminar Nasional Sains dan Teknologi Vol. 15 No. 1 (2025): Prosiding SNST 15 Tahun 2025
Publisher : Fakultas Teknik Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/psnst.v15i1.14769

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
Co-Authors Pratama, Fandy Indra