<![CDATA[Bantuan Pangan Non Tunai (BPNT) merupakan program pemerintah Indonesia yang bertujuan untuk mendukung kebutuhan pangan masyarakat kurang mampu melalui bantuan berbasis non-tunai. Namun, dalam implementasinya seringkali ditemukan permasalahan penerima bantuan yang tidak tepat sasaran, seperti keluarga dengan kondisi ekonomi stabil yang terdaftar sebagai penerima, sementara keluarga yang lebih membutuhkan justru terabaikan, sehingga dilakukan klasifikasi penerima Bantuan Pangan Non Tunai (BPNT) menggunakan metode K-Nearest Neighbor (KNN). K-Nearest Neighbor (KNN) merupakan algoritma pembelajaran mesin yang bekerja dengan mengklasifikasikan data berdasarkan kedekatan atau jarak data baru terhadap data yang telah dilabeli sebelumnya. Data penerima BPNT diklasifikasikan menggunakan beberapa variabel, seperti jenis pekerjaan, jumlah penghasilan, dan jumlah tanggungan.Proses klasifikasi melibatkan beberapa tahapan penting, yaitu inisialisasi parameter awal, perhitungan jarak antar data menggunakan metrik Euclidean, dan penentuan klasifikasi akhir melalui proses voting mayoritas dari tetangga terdekat dengan nilai K yang telah ditentukan, sehingga penelitian ini menemukan bahwa metode K-Nearest Neighbor (KNN) mampu menghasilkan akurasi klasifikasi sebesar 87,56%. Dengan demikian, metode ini dapat diandalkan sebagai solusi untuk mendukung penentuan penerima bantuan yang lebih tepat sasaran.]]>
Copyrights © 2025
