Penerapan Machine Learning Untuk Validasi Otomatis Data Kosong Pada Form Digital / Rendy Septian / 12523041 / Pembimbing: Arif Harbani / Program Studi: Teknik Informatika

Validasi data merupakan komponen penting dalam memastikan mutu informasi yang dihimpun melalui formulir digital, terutama untuk mencegah terjadinya isian kosong pada bagian yang bersifat krusial. Entri kosong tidak hanya menurunkan reliabilitas data, tetapi juga berpotensi menghambat tahapan analisis dan pengambilan keputusan. Penelitian ini bertujuan merancang sebuah sistem validasi otomatis untuk mendeteksi entri kosong dengan memanfaatkan algoritma K-Nearest Neighbors (KNN). Proses penelitian diawali dengan pengumpulan data dari formulir digital, dilanjutkan dengan pra-pemrosesan melalui normalisasi dan encoding agar data berada pada format yang sereagam. Algoritma KNN diterapkan dengan perhitungan jarak Euclidean untuk mengenali pola Pengisian berdasarkan data historis, sehingga mampu mendeteksi kolom yang seharusnya terisi namun dibiarkan kosong oleh pengguna. Kinerja sistem diuji menggunakan metrik akurasi, presisi, recall, dan F1 Score. Hasil pengujian menunjukan bahwa model KNN mampu memberikan performa deteksi dengan akurasi diatas 80 persen. Sistem yang dibangun juga mampu memberikan peringatan secara realtime ketika menemukan kolom yang belum terisi, serta hanya menyimpan data valid ke dalam basis data agar proses pengelolaan informasi menjadi lebih efektif. Keunggulan pendekatan ini terletak pada kemampuannya untuk belajar dari pola historis, sehingga performa sistem berpotensi meningkat seiring bertambahnya data pelatihan. Secara keseluruhan, sistem validasi otomatis berbasis KNN ini mampu meningkatkan efisiensi, meminimalkan verfikasi manual, serta mendukung kualitas data pada berbagai kebutuhan pengumpulan informasi digital.