Sistem Klasifikasi Penentuan Penerima Bantuan Langsung Tunai Menggunakan Metode K-Nearest Neighbor
Article Sidebar
Main Article Content
Abstract
Sistem Penentu Kelayakan Penerima Bantuan Langsung Tunai (BLT) di Desa Sahbandar dirancang untuk memenuhi kebutuhan Dinas Desa Sahbandar khususnya untuk pengelolaan BLT. Penyaluran BLT di Desa Sahbandar masih berjalan sebagaimana mestinya namun proses seleksi penerima BLT tidak objektif sehingga penyaluran dana tidak tepat sasaran, dan juga terjadi manipulasi data karena pendataan masih di-input secara manual dengan pencatatan di buku besar dan Microsoft Excel. Maka dari itu dibuatkan sistem sebagai penentu kelayakan penerima BLT di Desa Sahbandar. Metode yang digunakan dalam menyusun sistem ini adalah metode K-Nearest Neighbor menggunakan Framework Laravel. Hasil dari penelitian ini berupa sistem berbasis web dengan mengklasifikasikan data berdasarkan kriteria Pekerjaan, Jumlah Tanggungan perorang dalam keluarga dan Penghasilan yang didapat perbulan. Sistem ini menghasilkan status Layak dan Tidak Layaknya penduduk di Desa Sahbandar sebagai penerima BLT pada data testing yang diuji.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Eksplora Informatika bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di Jurnal Eksplora Informatika setuju dengan ketentuan berikut:
- Penulis memegang hak cipta dan memberikan hak publikasi pertama kepada Jurnal Eksplora Informatika menggunakan lisensi Creative Commons Attribution-ShareAlike 4.0.
- Penulis diizinkan untuk mengarsipkan/menggunggah/meyimpan artikel mereka, misalnya dalam repositori institusional atau situs web/blog penulis, namun diharapkan agar memberikan rincian bibliografi yang menghargai publikasi di jurnal ini.
- Jurnal Eksplora Informatika berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- Jurnal Eksplora Informatika berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
References
Humas Fraksi PKS, “Angka Kemiskinan Diklaim Rendah, PKS: Prihatin, Indonesia peringkat 73 negara termiskin di dunia,” fraksi.pks.id, Oct. 20, 2022. https://fraksi.pks.id/2022/10/20/indonesia-masuk-daftar-100-negara-termiskin-di-dunia-pks-pemerintah-harus-serius-entaskan-kemiskinan%E2%80%BC%EF%B8%8F/ (accessed May 03, 2023).
V. Kotu and B. Deshpande, Predictive analytics and data mining: concepts and practice with rapidminer. Morgan Kaufmann, 2014.
E. Rahma Meilaniwati and M. Fauzan, “Klasifikasi Penduduk Miskin Penerima PKH Menggunakan Metode Naïve Bayes dan KNN,” Jurnal Kajian dan Terapan Matematika, vol. 8, no. 2, pp. 75–84, 2022, [Online]. Available: http://journal.student.uny.ac.id/ojs/index.php/jktm:
D. Rahmawati, “Klasifikasi warga yang layak mendapatkan Bantuan Sosial dengan mengimplementasikan algoritma K-Nearest Neighbor (studi kasus: RW 13 Kelurahan Palmerah …,” Repository.Uinjkt.Ac.Id, 2020, [Online]. Available: http://repository.uinjkt.ac.id/dspace/handle/123456789/53779%0Ahttp://repository.uinjkt.ac.id/dspace/bitstream/123456789/53779/1/DESY RAHMAWATI-FST.pdf
A. Prakoso, “Penerapan Metode K-Nearest Neighbor untuk Klasifikasi Penerima Dana Program Bedah Rumah,” 2019, [Online]. Available: http://eprints.uty.ac.id/2698/
Rendi Mahendra, “6 Kriteria Penerima BLT Dana Desa atau BLT DD,” Bisnis.com, Jan. 19, 2023. https://kabar24.bisnis.com/read/20230119/243/1619749/6-kriteria-penerima-blt-dana-desa-atau-blt-dd (accessed May 03, 2023).
A. D. Putri and D. Setiawina, “Pengaruh umur, pendidikan, pekerjaan terhadap pendapatan rumah tangga miskin di Desa Bebandem,” E-Jurnal Ekonomi Pembangunan Universitas Udayana, vol. 2, no. 4, p. 44604, 2013.
A. Andrianto, R. Qurniati, and A. Setiawan, “Pengaruh Karakteristik Rumah Tangga Terhadap Tingkat Kemiskinan Masyarakat Sekitar Mangrove (Kasus Di Desa Sidodadi Kecamatan Teluk Pandan Kabupaten Pesawaran),” Jurnal Sylva Lestari, vol. 4, no. 3, pp. 107–113, 2016.
Lutfia Afifah, “Algoritma K-Nearest Neighbor (KNN) untuk Klasifikasi,” ilmudatapy.com. https://ilmudatapy.com/algoritma-k-nearest-neighbor-knn-untuk-klasifikasi/ (accessed May 06, 2023).
Lia Farokhah, “Konsep Algoritma KNN (K-Nearest Neigbors) dan Tips Menentukan Nilai K,” youtube.com, Dec. 24, 2021. https://www.youtube.com/watch?v=xaMUVPZXHco (accessed May 07, 2023).
A. J. Kantohe, G. S. Lumingkewas, and G. B. Nangoi, “Ipteks Pemberian Dana Bantuan Sosial Pada Badan Pengelola Keuangan Dan Aset Daerah (Bpkad) Provinsi Sulawesi Utara,” Jurnal Ipteks Akuntansi Bagi Masyarakat, vol. 2, no. 02, pp. 304–308, 2018, doi: 10.32400/jiam.2.02.2018.21755.
A. S. R. Sinaga, M. Marbun, and A. S. Sitio, “Penerapan Teknologi Informasi Penentuan Prioritas Penerima Bantuan Langsung Tunai (BLT) desa Pagar Jati,” Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal, vol. 4, no. 1, pp. 65–70, 2021, doi: 10.33330/jurdimas.v4i1.681.
D. P. Utomo, P. Sirait, and R. Yunis, “Reduksi Atribut Pada Dataset Penyakit Jantung dan Klasifikasi Menggunakan Algoritma C5.0,” Jurnal Media Informatika Budidarma, vol. 4, no. 4, pp. 994–1006, 2020, doi: 10.30865/mib.v4i4.2355.
