<![CDATA[Penelitian ini bertujuan untuk membandingkan kinerja algoritma K-Nearest Neighbors (KNN) dan Naive Bayes dalam klasifikasi tingkat kemiskinan. Data yang digunakan telah melalui tahap pra-pemrosesan, meliputi pembersihan data, encoding variabel kategorikal, normalisasi, serta reduksi dimensi dengan Principal Component Analysis (PCA). Selanjutnya, data dibagi menjadi set pelatihan dan pengujian dengan rasio 80:20. Hasil pengujian menunjukkan bahwa algoritma Naive Bayes memiliki akurasi sebesar 96 persen dengan nilai recall 91,7 persen untuk kategori Miskin, yang menandakan kemampuan model ini dalam mendeteksi kelompok miskin secara konsisten lebih tinggi dibandingkan KNN. Sementara itu, algoritma KNN menghasilkan akurasi sebesar 93,3 persen dengan recall pada kategori Miskin sebesar 66,7 persen, sehingga lebih unggul dalam mengklasifikasikan kelompok mayoritas (Tidak Miskin), tetapi relatif lemah dalam mengenali kelompok minoritas (Miskin). Perbandingan ini menegaskan bahwa Naive Bayes lebih sesuai digunakan dalam konteks analisis sosial-ekonomi yang menekankan pada identifikasi kelompok miskin, sedangkan KNN lebih tepat ketika tujuan utama adalah menjaga akurasi keseluruhan dan stabilitas pada kelompok mayoritas.]]>
Copyrights © 2025
