Penerapan Algoritma K-Nearest Neighbour Dalam Menentukan Pembinaan Koperasi Kabupaten Kotawaringin Timur

Yuni Ambar Setianto, Kusrini Kusrini, Henderi Henderi

Abstract


Saat ini pembinaan terhadap koperasi yang ada di lingkungan Pemerintah Kabupaten Kotawaringin Timur sangat diperlukan karena adanya koperasi yang baru berdiri maupun yang telah lama berdiri kinerjanya menurun yaitu omset koperasi turun sebesar 30% dan lambat dalam melaksanakan Rapat Anggota Tahunan (RAT) yaitu pada tahun 2016 sebanyak 164 koperasi dan tahun 2017 sebanyak 140 koperasi. Dengan jumlah koperasi saat ini Dinas Koperasi kekurangan SDM pembina, oleh karena itu perlu menentukan koperasi yang diprioritaskan mendapatkan pembinaandengankriteria yaitu jenis koperasi, masa kerja, kategori, jumlah anggota, modal sendiri, volume usaha, dan SHU. Dinas Koperasi dan UKM Kabupaten Kotawaringin Timur melakukan pembinaan dengan bimbingan teknis terhadap koperasidan audit terhadap kepengurusan dan keuangan Koperasi, namun karena belum adanya pedoman dalam menentukan koperasi yang layak untuk dilakukan pembinaan sehingga sering mengakibatkan salah sasaran dalam memilih koperasi yaitu koperasi yang seharusnya mendapat pembinaan tetapi tidak dilaksanakan pembinaan.. Salah satu cara untuk mengatasi permasalah tersebut adalah dengan Data Mining dengan metode klasifikasi menggunakan algoritma K-Nearest Neighbour (K-NN). Penelitian ini menerapkan algoritma K-NN dalam menentukan koperasi yang layak mendapatkan pembina. Hasil yang dari penelitian ini adalah klasifikasi koperasi yang layak mendapatkan pembinaan dengan akurasi yang diperoleh sebesar 96,33%.
Kata Kunci — Pembinaan, Klasifikasi, KNN

Currently coaching of cooperatives in Kotawaringin Timur District is very necessary because the existence of cooperatives that established and have long been established, their performance has decreased, namely the turnover of cooperatives fell by 30% and slow in carrying out the RAT, namely in 2016 as many as 164 cooperatives and in 2017 there were 140 cooperatives. Cooperatives currently the Department of Cooperatives is lacking in human resources, it is therefore necessary to determine which cooperatives are prioritized to get guidance with criteria such as type of cooperative, length of service, category, number of members, own capital, business volume, and SHU. Cooperative District conducts coaching with technical guidance on cooperatives and audits of Cooperative management and finance, but due to the lack of guidelines in determining appropriate cooperatives for coaching that often results in mis-targeting in choosing cooperatives, namely cooperatives that should receive guidance but not coaching is carried out. One way to overcome these problems is by Data Mining using a classification method with K-Nearest Neighbor (K-NN) algorithm. This study applies the K-NN algorithm in determining cooperatives that are eligible for guidance. The results is with an accuracy of 96.33%.
Keywords — Coaching, Classification, KNN


Full Text:

PDF

References


Pemerintah Daerah Kota Waringin Timur, Lombok., 2016, Peraturan Daerah Nomor 16 Tahun 2016 tentang Pembentukan dan Susunan Perangkat Daerah Kabupaten Kotawaringin Timur, Waringin Timur, Sekretariat Daerah.

Yunita, D., 2017, Perbandingan Algoritma K-Nearest Neighbor dan Decision Tree untuk menentukan resiko kredit kepemilikan mobil, Jurnal Informatika Universitas Pamulang, No. 2, Vol. 2, Hal. 103-107.

Giat Karyono, 2016, Analisis Teknik Data Mining “Algoritma C4.5 dan K-Nearest Neighbor” untuk mendiagnosa Penyakit Diabetes Millitus, Seminar Nasional Teknologi Informasi, Bisnis, dan Desain 2016, STMIK – Politeknik PalComTech, 12 Mei 2016.

Nurfaizah, Imron, M., Perdanawanti, L., 2017, Algoritma Decision Tree-J48 K-Nearest dan Zero-R pada Kinerja Akademik, Seminar Nasional Teknologi Informasi 2017, Denpasar, 4 Maret.

Handoko, K., 2016, Penerapan Data Mining Dalam Meningkatkan Mutu Pembelajaran pada Instansi Perguruan Tinggi Menggunakan Metode K-Means Clustering (Studi Kasus di Program Studi TKJ Akademi Komunitas Solok Selatan), TEKNOSI, No. 03, Vol. 02, Hal. 31-40.

Fithri, D. L., 2016, Model Data Mining Dalam Penentuan Kelayakan Pemilihan Tempat Tinggal Menggunakan Metode Naive Bayes, Jurnal SIMETRIS, No. 2, Vol. 7, Hal. 725-730.

Sabna, E., Muhardi, 2016, Penerapan Data Mining Untuk Memprediksi Prestasi Akademik Mahasiswa Berdasarkan Dosen, Motivasi, Kedisiplinan, Ekonomi, dan Hasil Belajar, Jurnal CoreIT, No. 2, Vol. 2, Hal. 41-44.

Sulastri, H., Gufroni, A. I., 2017, Penerapan Data Mining Dalam Pengelompokan Penderita Thalassaemia, Jurnal TEKNOSI, No. 02, Vol. 03, Hal. 299-305

Arinda, S. D., Sulastri, 2017, Implementasi Data Mining Menggunakan Algoritma Eclat, Prosiding SINTAK 2017, Semarang, 11 November 2017.

Lestari, F. D., Kholil, M., 2018, Efektifitas pembinaan dan pengawasan koperasi oleh Pemerintah daerah, Jurnal Privat Law, No. 1, Vol. 6, 46-59.

Maulana, A., Fajrin, A. A., 2018, Penerapan Data Mining untuk Analisis Pola Pembelian Konsumen dengan Algoritma Fpgrowth pada Data Transaksi Penjualan Spare Part Motor. Kumpulan jurnal Ilmu Komputer (KLIK), No. 01, Vol. 05, Hal. 27-36

Mustafa, M. S., Ramadhan, M. R., Thenata, A. P., 2017, Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier, Creative Information Technology Journal (CITEC Journal), No. 2, Vol. 4, Hal. 151-162

Rahma, N. Z., Setyono, A., 2018, Penerapan Algoritma C4.5 Dalam Memprediksi Kesiapan Siswa SMP IT PAPB Semarang Menghadapi Ujian Nasional, SISFOTENIKA, No 1, Vol 8, Hal. 35-46.

Pemerintah Indonesia, 1992, Undang-Undang Nomor 25 Tahun 1992 tentang Perkoperasian, Sekertariat Negara, Jakarta

Efraim, T,. Aronson, J. E., Liang, T. P., 2005. Decision Support System and Intelligent Systems, Penerbit Andi, Yogyakarta.




DOI: https://doi.org/10.24076/citec.2018v5i3.179

Refbacks

  • There are currently no refbacks.


Indexed by:

 

Dedicated to:

 

Creative Information Technology Journal (CITEC Journal) is licensed under a Creative Commons Attribution 4.0 International License