Implementasi Algoritma K-Nearest Neighbors Dengan Pendekatan Elbow Method Untuk Klasifikasi Status Ketahanan Pangan Provinsi di Indonesia

Sinaga, Cinthya
Ginting, Anirma Kandida

KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer
Volume 7 Nomor 1, Edisi April 2025

Ketahanan pangan merupakan isu strategis dalam pembangunan nasional, terutama dalam menghadapi tantangan ketimpangan distribusi pangan antarprovinsi di Indonesia. Penelitian ini bertujuan untuk mengklasifikasikan status ketahanan pangan provinsi menggunakan algoritma K-Nearest Neighbors (KNN) yang dioptimalkan melalui pendekatan Elbow Method. Data yang digunakan mencakup dua variabel utama, yaitu Indeks Ketahanan Pangan dan Prevalensi Ketidakcukupan Konsumsi Pangan dari 34 provinsi, dengan data tahun 2023 sebagai data latih dan 2024 sebagai data uji. Hasil pemodelan menunjukkan bahwa nilai k optimal adalah 3, dengan tingkat akurasi klasifikasi sebesar 91% serta precision, recall, dan f1-score yang konsisten. Temuan ini menunjukkan efektivitas KNN sebagai pendekatan machine learning yang akurat dan sistematis dalam mendukung pemetaan ketahanan pangan berbasis data di Indonesia.