<![CDATA[Kemiskinan merupakan salah satu tantangan terbesar yang masih terus dihadapi semua bangsa termasuk Indonesia. Sesuai amanat konstitusi dalam pasal 34 UUD 1945, pemerintah terus berupaya melindungi dan memberdayakan masyarakat miskin melalui berbagai program strategis. Salah satu program yang ditawarkan pemerintah yaitu Bantuan Langsung Tunai. Tetapi karna ketersediaan sssdata sasaran masyarakat miskin yang kurang sesuai, menyebabkan program berjalan kurang optimal karena perlu verifikasi dan validasi ulang. Distribusi Bantuan Langsung Tunai (BLT) di Indonesia masih menghadapi kendala akibat ketidaktepatan data penerima, yang menyebabkan inefisiensi dalam penyalurannya. Kesalahan dalam data sasaran mengharuskan adanya proses verifikasi dan validasi ulang, sehingga menghambat efektivitas program. Penelitian ini bertujuan untuk mengoptimalkan penyaluran BLT dengan menerapkan metode klasifikasi K-Nearest Neighbor (KNN). Penelitian ini bertujuan untuk mengoptimalkan penyaluran BLT menggunakan pendekatan K-Nearest Neighbor, dengan 714 dataset dan empat atribut yaitu kondisi rumah, penghasilan, pekerjaan dan jumlah keluarga. Prinsip kerja KNN adalah mencari jarak terdekat antara data baru yang akan diuji dengan data latihnya. Untuk mencari jarak terdekat digunakan euclidean distance dengan 3 nilai k yang berbeda yaitu k=35, k=45, dan k=55. Hasil yang didapatkan untuk akurasi, presisi dan recall yang tertinggi yaitu menggunakan parameter k=35 memberikan performa terbaik dengan nilai akurasi sebesar, 95%, presisi sebesar 95% dan recall sebesar 100%. Penerapan metode ini diharapkan dapat meningkatkan efisiensi distribusi BLT dengan memastikan bahwa bantuan tepat sasaran, sehingga mendukung kebijakan pengentasan kemiskinan secara lebih efektif.]]>
Copyrights © 2025
