Penerapan Algoritma K-nearest Neighbors Untuk Prediksi Penerima Bantuan Program Keluarga Harapan Bedasarkan Data Kependudukan / Baginda Soleh Namora / 11523067 / Pembimbing: Leny Tritanto Ningrum / Program Studi Sistem Informasi

Kemiskinan merupakan salah satu masalah utama yang dihadapi oleh masyarakat Indonesia, mencerminkan tantangan dalam memastikan penyaluran bantuan sosial yang tepat sasaran. Program Keluarga Harapan (PKH) adalah salah satu upaya pemerintah untuk mengurangi kesenjangan sosial melalui bantuan tunai bersyarat. Namun, proses seleksi penerima bantuan masih dilakukan secara manual, yang mengakibatkan ketidakefisienan, ketidaktepatan, serta kerentanan terhadap kesalahan. Untuk mengatasi masalah ini, penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbors (KNN) dalam memprediksi penerima bantuan PKH berdasarkan data kependudukan. Tahapan penelitian meliputi pengumpulan data kependudukan, normalisasi data menggunakan metode Min-Max untuk menyamakan skala, pembagian data menjadi data latih dan data uji dengan proporsi 90:10, serta penerapan algoritma KNN menggunakan metrik jarak Euclidean. Evaluasi model dilakukan melalui confusion matrix untuk mengukur akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma KNN mampu mencapai akurasi sebesar 98,02%, presisi 96,49%, dan recall 100%, yang mencerminkan performa prediksi yang sangat baik. Penerapan algoritma KNN dalam sistem berbasis web memungkinkan pengambilan keputusan yang lebih cepat dan tepat, mendukung efisiensi dalam proses penyaluran bantuan sosial. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam pengelolaan data kependudukan untuk program sosial lainnya, sekaligus menjadi rujukan bagi pengembangan sistem serupa di masa depan.