PREDIKSI TINGKAT KEMISKINAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (KNN) BERBASIS DATA MINING (Studi Kasus: Kabupaten Sumba Timur)

Abstract

Kemiskinan merupakan tantangan sosial dan ekonomi yang masih signifikan di Kabupaten Sumba Timur, dengan tingkat kemiskinan yang tergolong tinggi dan lebih dari seperempat penduduknya hidup di bawah garis kemiskinan. Permasalahan yang dihadapi tidak hanya terkait tingginya angka kemiskinan, tetapi juga kurang optimalnya pemanfaatan data sosial-ekonomi sebagai dasar dalam merancang kebijakan yang tepat sasaran. Dalam upaya merekomendasikan keputusan yang lebih efektif, dibutuhkan pendekatan analitik berbasis data yang mampu mengolah informasi secara prediktif. Penelitian ini bertujuan untuk memprediksi tingkat kemiskinan masyarakat menggunakan pendekatan data mining dengan algoritma K-Nearest Neighbors (KNN). Algoritma KNN dipilih karena mampu melakukan prediksi berdasarkan kemiripan data tanpa memerlukan model yang kompleks, sehingga cocok digunakan untuk data sosial-ekonomi yang variatif. Proses penelitian dimulai dengan pengumpulan data dari instansi terkait, khususnya yang berhubungan dengan indikator kemiskinan seperti persentase penduduk miskin, pengeluaran per kapita, indeks pembangunan manusia, akses sanitasi, akses air minum, dan tingkat partisipasi angkatan kerja. Selanjutnya dilakukan tahapan pre-processing seperti pembersihan dan normalisasi data, kemudian data dibagi menjadi data latih dan data uji. Model prediksi dibangun menggunakan software RapidMiner untuk mempermudah visualisasi proses serta evaluasi performa algoritma. Penelitian ini diharapkan dapat menjadi acuan yang mendukung pemerintah daerah dalam mengambil keputusan berbasis data untuk mengidentifikasi wilayah-wilayah yang berpotensi tinggi mengalami kemiskinan.