Klasifikasi Kesehatan Koperasi Di Sumatera Barat Tahun 2023 Dengan Metode K-Nearest Neighbour

ayunda setiani - Universitas Negeri Padang

Abstract


Koperasi merupakan institusi ekonomi yang memiliki peran dalam mendukung kesejahteraan masyarakat secara kolektif. Namun untuk memastikan keberlanjutan koperasi maka perlu diadakan pemeriksaan kesehatan koperasi. Proses penilaian kesehatan koperasi membutuhkan sistem pengklasifikasian data guna membantu proses pengambilan keputusan penilaian kesehatan koperasi di Sumatera Barat. Metode KNN dipilih karena kemampuanya yang tinggi dalam mengklasifikasikan data berdasarkan pola tertentu dan memberikan hasil yang akurat. Penelitian ini bertujuan menganalisis hasil klasifikasi serta tingkat akurasi menggunakan metode KNN dan pemilihan k optimal dengan metode Elbow. Dari 84 data testing diperoleh 80 data tepat klasifikasi dan terdapat 4 data tidak tepat klasifikasi. Hasil klasifikasi 80 data tersebut diperoleh 62 koperasi berstatus sehat, lalu 1 koperasi cukup sehat, kemudian 11 koperasi kurang sehat, dan 6 koperasi tidak sehat dengan tingkat akurasi sebesar 95%. Sedangkan untuk  pemilihan nilai k  optimal menggunakan metode Elbow diperoleh sebesar 96% dengan nilai k = 3

kata kunci : Koperasi, Klasifikasi, K-Nearest Neighbour, Elbow


Full Text:

PDF

References


Dinas Koperasi dan UMKM Provinsi Sumatera Barat, Laporan Keterangan Dan Pertanggung Jawaban (LKPJ), Padang, 2022.

Kementerian Koperasi Usaha Kecil Dan Menengah Republik Indonesia, Juknis No.15 Ttg Pedoman KKPKK-Pemkes, Indonesia: Yudhi Novianto, 2021.

C. Vercellis, Business Intelligence: Data Mining and Optimization for Decision Making, Italy: A John Wiley and Sons, 2009.

F. Gorunescu, Data Mining Concepts, Models and Techinques, Romania: Springer-Verlag Berlin Heidelberg, 2011.

A. Indriyalnto, "Algoritma K-Nearest Neighbour untuk Prediksi Nasabah Asuransi," 2021.

K. Khamar, "Short Text Classification Using KNN Based on Distance Function," International Journal of Advanced Research in Computer and Communication Engineering, vol. 2, pp. 1916-1919, 2013.

Katarina, A., Singh, M.D, "A review of data classification using K-Nearest Neigbour algorithm," International Journal of Emerging Technology and Advanced Engineering, vol. 3, pp. 2250-2459, 2013.

Sumathi a. S. Sivanandam, Introduction to Data Mining and its Applications, Springer, 2006.

Suyanto, Machine Learning : Teori dan Aplikasi, Informatika, 2018.

X. Yao. a. Y. Liu, Machine Learning, Springer, 2014, pp. 477-517.

A. Huda, Data Mining (Teori dan Aplikasinya), 2014.

M. A. Imron, "Peningkatan Akurasi Algoritma k-Nearest Neighbour menggunakan Z-Score dan Particle Swarm Optimization untuk Prediksi Customer Churn," 2020.

Mustofa, Z., a. Suasana, "Algoritma Clustering K-Medoids Pada E-Government Bidang Information and Communication Technology dalam Penentuan Status EDGI," Jurnal Teknologi Informasi dan Komunikasi, vol. 8, no. 1, pp. 1-10, 2018.

Hartini, Y. S., Lefanska, A. B. P., Ursia, A. A., Prasetyo, D. A. B., a. Sugiharto "Pengembangan, Penerapan Dan Pendidikan" 'Sains Dan Teknologi' Pasca Pandemi, Prosiding Seminar Nasional Sanata Dharma Berbagi, 2022.

Baskoro, Sriyanto a. Rini, L. S. "Prediksi Penerima Beasiswa dengan Menggunakan Teknik Data mining di Universitas Muhammadiyah Pringsewu," Prosiding Seminar Nasional Hasil Penelitian Dan Pengabdian Masyarakat 2021, pp. 87-94, 2021.




DOI: http://dx.doi.org/10.24036/unpjomath.v10i2.17203