<![CDATA[Kegiatan ini dilaksanakan melalui program pengabdian masyarakat mahasiswa Teknik Informatika di Bank BJB KCP Jampangkulon dengan tujuan utama mendampingi identifikasi kesalahan standing instruction (SI) desa. Permasalahan pokok yang dihadapi adalah kesalahan transfer dana desa yang disebabkan oleh input data tidak akurat, seperti nomor rekening yang salah atau jumlah dana yang tidak sesuai dengan alokasi resmi, yang berakibat pada kerugian keuangan desa dan keterlambatan program pembangunan pedesaan. Mahasiswa menerapkan metode K-Nearest Neighbors (KNN) sebagai pendekatan machine learning untuk mendeteksi anomali transaksi secara otomatis, dengan memanfaatkan kemiripan pola data berdasarkan jarak tetangga terdekat. Metode yang digunakan mencakup observasi alur SI di bank, pengumpulan data transaksi desa, pra-pemrosesan untuk membersihkan dan normalisasi fitur, serta implementasi model KNN menggunakan Python dengan library scikit-learn. Hasil kegiatan menunjukkan bahwa akurasi deteksi kesalahan mencapai 98%, yang berhasil mengurangi kesalahan manual hingga 70% melalui perbandingan sebelum dan sesudah pendampingan. Pendampingan ini tidak hanya meningkatkan efisiensi pengelolaan dana desa, tetapi juga membangun kapasitas staf bank dan aparatur desa dalam menggunakan teknologi digital untuk pencegahan fraud, sehingga mendukung inklusi keuangan di wilayah rural.]]>
Copyrights © 2026
