Klasifikasi Kemiskinan Di Jawa Timur Menggunakan Data Mining Algoritma K-Nearest Neighbor (KNN)
Main Article Content
Yua Isman Islam
Zaehol Fatah
Kemiskinan merupakan masalah sosial-ekonomi yang serius di Jawa Timur, yang memerlukan analisis mendalam untuk memahami faktor-faktor yang mempengaruhi kondisi tersebut. Algoritma K-Nearest Neighbor (KNN) dalam data mining digunakan untuk mengklasifikasikan tingkat kemiskinan berdasarkan data sosial ekonomi di Jawa Timur. Data yang digunakan mencakup beberapa atribut, seperti persentase penduduk miskin, pengeluaran per kapita, indeks pembangunan manusia, dan akses sanitasi. Dengan mengeksplorasi berbagai nilai K, akurasi KNN dievaluasi dalam memprediksi kategori kemiskinan (tinggi atau rendah). Hasil analisis menunjukkan bahwa model KNN mencapai akurasi 92,11%, memberikan kontribusi dalam pemetaan kemiskinan yang dapat mendukung kebijakan pengentasan kemiskinan di tingkat daerah.
Adinugroho, S. (2018). Implementasi Data Mining Menggunakan Weka. Universitas Brawijaya Press.
DURAESA, M. A. (2021). kEMISKINAN DI INDONESIA Antara Kajian Empiris dan Teologis (Ke 1). RAJAWALI PERS.
Muhammad Arhami, S.Si., M.Kom., Muhammad Nasir, S.T., M. T. (2020). Data Mining. Andi Offset.
Muhammad Arhami, S.Si., M. K. (2020). Data Mining - Algoritma dan Implementasi. Andi Offset.
Mustika. (2021). DATA MINING DAN APLIKASINYA. Widina.
Sari, R. M. (2024). Klasifikasi Data Mining. Serasi Media Teknologi.
Setiawan, Z. (2023). BUKU AJAR DATA MINING. PT. Sonpedia Publising Indonesia.
Suntoro, J. (2019). Data Mining: Algoritma dan Implementasi dengan Pemrograman PHP. Elex Media Komputindo.
TIMUR, B. P. S. P. J. (2024). Profil Kemiskinan Jawa Timur Tahun 2023. https://doi.org/3205005.35
Yogianto, A., Homaidi, A., & Fatah, Z. (2024). Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung. G-Tech: Jurnal Teknologi Terapan, 8(3), 1720–1728. https://doi.org/10.33379/gtech.v8i3.4495
