STUDI KOMPARASI ALGORITMA NAIVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI KELUARGA MISKIN DI DESA NGADIWARNO KECAMATAN SUKOREJO KABUPATEN KENDAL

Wahyu Aji Bayu Pemungkas
muhamad Fuat Asnawi

STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer
Vol. 3 No. 2 (2024): Mei

Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja algoritma Naive Bayes dan K-Nearest Neighbor (KNN) dalam mengklasifikasikan keluarga miskin di Desa Ngadiwarno, Kecamatan Sukorejo, Kabupaten Kendal. Data yang digunakan mencakup 675 Kepala Keluarga (KK) yang terdaftar dalam Data Terpadu Kesejahteraan Sosial (DTKS) 2023. Data ini diolah menggunakan perangkat lunak RapidMiner Studio, dengan evaluasi berdasarkan akurasi, precision, recall, dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memiliki akurasi sebesar 99,26%, precision 100%, recall 95,41%, dan AUC 0,978, sedangkan KNN memiliki akurasi 98,52%, precision 100%, recall 90,82%, dan AUC 0,993. Meskipun KNN memiliki nilai AUC sedikit lebih tinggi, Naive Bayes menunjukkan performa keseluruhan yang lebih unggul dalam klasifikasi keluarga miskin. Penelitian ini menyimpulkan bahwa Naive Bayes lebih efektif untuk digunakan dalam konteks data yang ada, dan diharapkan dapat membantu pemerintah daerah dalam menyusun kebijakan penanggulangan kemiskinan yang lebih tepat sasaran dan efektif