PENERAPAN METODE K-NEAREST NEIGHBOR (KNN) DALAM PENENTUAN KEBIJAKAN PEMBANGUNAN PADA PROSES MUSYAWARAH RENCANA PEMBANGUNAN DESA

Penulis

  • Citra Dwi Ayu Universitas Panca Sakti Bekasi
  • Ajar Rohmanu Universitas Panca Sakti Bekasi
  • Endang Universitas Panca Sakti Bekasi

Kata Kunci:

K-Nearest Neighbor, Musyawarah Rencana Pembangunan, Case Based Reasoning (CBR)

Abstrak

CITRA DWI AYU. Penerapan Metode K-Nearest Neighbor (KNN) Dalam Penentuan Kebijakan Pembangunan Pada Proses Musyawarah Rencana Pembangunan Desa (2025). Skripsi. Bekasi: Universitas Panca Sakti Bekasi, Fakultas Sains dan Teknologi, Program Studi Teknik Informatika, 2025. Penelitian ini bertujuan menerapkan metode K-Nearest Neighbor (KNN) untuk mengklasifikasikan desa berdasarkan kebutuhan pembangunan dalam Musyawarah Rencana Pembangunan (Musrenbang) di Kecamatan Tambelang. Data yang digunakan berasal dari dokumen Musrenbang tahun 2022–2024 sebanyak 88 data usulan. Sistem dibangun menggunakan PHP, MySQL, dan Sublime Text dengan tahapan Case Based Reasoning (CBR). Hasil penelitian menunjukkan bahwa penerapan K-Nearest Neighbor mampu meningkatkan akurasi klasifikasi desa dan membantu menentukan prioritas pembangunan yang lebih objektif serta tepat sasaran. Sistem ini diharapkan mempermudah proses pengambilan keputusan dan pengalokasian anggaran pembangunan desa secara efektif dan efisien.

CITRA DWI AYU. Application of the K-Nearest Neighbor (KNN) Method in Determining Development Policy in the Village Development Planning Deliberation Process (2025). Thesis. Bekasi: Panca Sakti University Bekasi, Faculty of Science and Technology, Informatics Engineering Study Program, 2025. This study aims to apply the K-Nearest Neighbor (KNN) method to classify villages based on development needs in the Village Development Planning Meeting (Musrenbang) in Tambelang District. The data used comes from the 2022–2024 Musrenbang document, comprising 88 proposals. The system was built using PHP, MySQL, and Sublime Text with Case-Based Reasoning (CBR) steps. The research results show that the implementation of K-Nearest Neighbor can improve the accuracy of village classification and help determine more objective and targeted development priorities. This system is expected to facilitate the decision-making process and allocate village development budgets effectively and efficiently.

Unduhan

Diterbitkan

2025-10-30