Implementasi Algoritma K-Neraest Neighbor dalam penentuan Klasifikasi Tingkat Kedalaman Kemiskinan Provinsi Jawa Timur

INDONESIA:

Kemiskinan menjadi masalah yang dijumpai diseluruh Negara, khususnya Negara berkembang seperti Indonesia. Rendahnya tingkat ketimpangan dalam pengeluaran antar masyarakat miskin disuatu daerah dapat diketahui dengan melihat turunnya nilai indeks kedalaman kemiskinan yang menunjukkan bahwa rata-rata pengeluaran mendekati garis kemiskinan. Pengklasifikasian tingkat kemiskinan yang tepat akan bermanfaat dalam pengambilan kebijakan pemerintah dalam pemberantasan kemiskinan. Tujuan penelitian ini untuk mendeskripsikan karakteristik tingkat kedalaman kemiskinan provinsi Jawa Timur 2020 dan mendapatkan hasil klasifikasi tingkat kedalaman kemiskinan dengan menggunakan algoritma K-Nearest Neighbor. Hasil penelitian ini menunjukkan bahwa terdapat 23 Kabupaten/Kota yang termasuk dalam kategori klasifikasi tingkat kemiskinan kurang dari rata-rata dan 15 Kabupaten/Kota sisanya masuk dalam kategori klasifikasi tingkat kemiskinan lebih dari rata-rata. Semakin tinggi indeks pengeluaran perkapita, laju PDRB dan rata-rata lama sekolah yang dikeluarkan di suatu wilayah maka memperlihatkan adanya peningkatan kesejahteraan masyarakat dan kualitas SDM di wilayah Kabupaten/Kota. Sedangkan semakin tinggi tingkat pengangguran terbuka suatu wilayah maka memperlihatkan penurunan pada tingkat kesejahteraan masyarakat di wilayah Kabupaten/Kota. Hasil akurasi yang dihasilkan dari klasifikasi menggunakan algoritma K-Nearest Neighbor menunjukkan akurasi tertinggi sebesar 76.67% dengan nilai parameter k terbaik yaitu k = 1 dan k = 2.

ENGLISH:

Poverty is a problem found in all countries, especially developing countries like Indonesia. The low level of inequality in spending among the poor in an area can be seen by looking at the decrease in the poverty gap index value which shows that the average expenditure is close to the poverty line. The right classification of poverty levels will be useful in making government policies in poverty eradication. The purpose of this study was to detscribe the characteristics of the poverty gap of East Java province in 2020 and obtain the results of the classification of the poverty gap level using the K-Nearest Neighbor algorithm. The results of this study indicate that there are 23 regencies/cities were included in the category of poverty level classification off less than the average and the remaining 15 regencies/cities were included in the category of poverty level classification of more than average. The higher the index of per capita expenditure, the rate of GRDP and average length of schooling issued in an area, the higher the welfare of the people and the quality of human resources in the Regency/City area. Meanwhile, the higher the open unemployment rate in an area, the lower the level of community welfare in the Regency/City. The results of the accuracy of the classification using the K-Nearest Neighbor algorithm show the highest accuracy of 76.67%% based on the best k parameter values, namely k=1 and k=2.

ARABIC:

الفقر هو مشكلتا التي توجد في كثير من البلدن ، وخاصة في البلدان النامية مثل إندونيسيا. يمكن رؤية المستوى المنخفض من عدم المساواة في الإنفاق بين الفقراء في المنطقة من خلال النظر إلى الانخفاض في القيمة المؤشر مستوى الفقر مما يدل على أن متوسط الإنفاق قريب من خط الفقر. سيكون التصنيف الصحيح لمستويات الفقر المفيدا في صنع السياسات الحكومية في القضاء على. الفقر الغرض من هذه الدراسة هو تحديد خصائص مستوى الفقر في مقاطعة جاوي الشرقية ٢٠٢٠ والحصول على نتائج تصنيف عمق الفقر باستخدام الخوارزمية K-Nearest Neighbor. تشير نتائج هذه الدراسة إلى أن هناك ثلاث وعشرين منطقة/مدينة مدرجة في فئة تصنيف مستوى الفقر أقل من المتوسط وأن المناطق الخمسة عشر/المدن المتبقية مدرجة في فئة تصنيف مستوى الفقر أكثر من المتوسط. . كلما ارتفع مؤشر الإنفاق الفردي ارتفع معدل PDRB و يظهر متوسط مدة الدراسة الصادرة في منطقة ما زيادة في رفاهية المجتمع وجودة الموارد البشرية في منطقة ريجنسي/المدينة. وفي الوقت نفسه كلما ارتفع معدل البطالة المفتوحة في منطقة ما انخفض مستوى الرفاهية المجتمعية في منطقة ريجنسي/المدينة. تظهر نتائج الدقة الناتجة عن التصنيف باستخدام خوارزمية K-Nearest Neighbor أعلى دقة بنسبة 67.76٪ مع أفضل قيمة لمعامل k وهي ,k = 1.