IMPLEMENTASI PENERIMA BANTUAN PANGAN NON TUNAI (BPNT) DENGAN MEGGUNAKAN METODE GENETIC MODIFIED K-NEAREST NEIGHBORI (GMKNN)
Article Sidebar
Main Article Content
Abstract
Bantuan Pangan Non Tunai (BPNT) merupakan program pemerintah berupa bantuan pangan yang diberikan kepada Keluarga Penerima Manfaat (KPM) setiap bulannya, dimana kegiatan ini bertujuan untuk mengurangi beban pengeluaran dan mendukung nutrisi seimbang kepada KPM BPNT menggunakan mekanisme akun elektronik untuk membeli pangan di e-Warung yang telah bekerjasama dengan Bank, namun pada pelaksanaan BPNT di Kota Pekanbaru, penerimaan bantuan masih dianggap kurang efisien, sehingga pada penelitian ini, penulis melakukan pembagian pada masyarakat yang bisa menerima bantuan dan tidak bisa menerima bantuan pangan non tunai dengan menggunakan metode MKNN. Kesimpulan yang didapatkan dari penelitian ini adalah Algen (Algoritma Genetika) bisa diterapkan dengan metode MKNN, dan mendapatkan hasil akurasi 86,89% dengan probabilitas crossover adalah 0,9 dan nilai probabilitas mutasi adalah 0,1 dengan nilai K yaitu 3.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
References
DAFTAR PUSTAKA
B. Rachman, A. Agustian, and N. Wahyudi, “Efektivitas dan Perspektif Pelaksanaan Program Beras Sejahtera (Rastra) dan Bantuan Pangan Non-Tunai (BPNT),” Anal. Kebijak. Pertan., vol. 16, no. 1, p. 1, 2018, doi: 10.21082/akp.v16n1.2018.1-18.
Y. R. Hidayat, “Distribusi Beras Bulog Pasca Bansos Rastra Dan Bantuan Pangan Non Tunai,” J. Logistik Indones., vol. 2, no. 2, pp. 1–14, 2019, doi: 10.31334/jli.v2i2.293.
PEKANBARU.GO.ID, “Wali Kota Pekanbaru Dorong Dinsos Validasi Lagi Data Penerima PKH dan BPNT,” 2021. https://www.pekanbaru.go.id/p/news/wali-kota-pekanbaru-dorong-dinsos-validasi-lagi-data-penerima-pkh-dan-bpnt# (accessed Dec. 28, 2021).
P. Mayadewi and E. Rosely, “Prediksi Nilai Proyek Akhir Mahasiswa Menggunakan,” istem Inf. Indones., no. November, pp. 2–3, 2015.
A. D. Fitri, D. E. Ratnawati, and A. W. Widodo, “Deteksi Penyakit Kucing dengan Menggunakan Modified K-Nearest Neighbor Teroptimasi ( Studi Kasus : Puskeswan Klinik Hewan dan Satwa Sehat Kota Kediri ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 11, pp. 1295–1301, 2017.
S. Mutrofin, A. Izzah, A. Kurniawardhani, and M. Mukhamad, “OPTIMASI TEKNIK KLASIFIKASI MODIFIED K NEAREST NEIGHBOR MENGGUNAKAN ALGORITMA GENETIKA Optimization,” Notes Queries, p. 504, 2015, doi: 10.1093/nq/s3-VII.182.504a.
F. Wafiyah, N. Hidayat, and R. S. Perdana, “Implementasi Algoritma Modified K-Nearest Neighbor ( MKNN ) untuk Klasifikasi Penyakit Demam,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 10, pp. 1210–1219, 2017.
K. Krisnandi and H. Agung, “Implementasi Algoritma Genetika Untuk Memprediksi Waktu Dan Biaya Pengerjaan Proyek Konstruksi,” J. Ilm. FIFO, vol. 9, no. 2, p. 90, 2017, doi: 10.22441/fifo.2017.v9i2.001.
A. M. Rusydah, R. D. Ramadhani, and A. E. Amalia, “Optimasi Association Rule pada Keranjang Belanja Pelanggan Menggunakan Apiori dan Algoritma Genetika,” pp. 38–43, 2018.
T. H. Simanjuntak, W. F. Mahmudy, and Sutrisno, “Implementasi Modified K-Nearest Neighbor Dengan Otomatisasi Nilai K Pada Pengklasifikasian Penyakit,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 3, pp. 75–79, 2017.
Kemensos, “Kepala Biro Hukum Dan Kemensos 2017. Peraturan Menteri Sosial Republik Indonesia Nomor 10 Tahun 2017 Tentang Program Keluarga Harapan. Jakarta: Kepala Biro Hukum Dan Kemensos.,” vol. 87, no. 1,2, pp. 149–200, 2017.
A. Mirza, “Knowledge Discovery in Database Untuk Model Online Analytical Processing (Olap) Data Kemiskinan,” J. Ilm. Matrik, vol. 17, no. 2, pp. 99–108, 2015, [Online]. Available: http://blog.binadarma.ac.id/haidarmirza/wp-content/uploads/2016/02/02-99-108-Jurnal-Matrik-KDD-model-OLAP-Kemiskinan-Matrik-Vol-17-Edisi-2-Agustus-2015.pdf.
A. Zanuardi and H. Suprayitno, “Analisa Karakteristik Kecelakaan Lalu Lintas di Jalan Ahmad Yani Surabaya melalui Pendekatan Knowledge Discovery in Database,” J. Manejemen Aset Infrastruktur Fasilitas, vol. 2, no. 1, pp. 45–55, 2018, doi: 10.12962/j26151847.v2i1.3767.
Y. Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” Edik Inform., vol. 2, no. 2, pp. 213–219, 2017, doi: 10.22202/ei.2016.v2i2.1465.
A. Bansal, M. Sharma, and S. Goel, “Improved K-mean Clustering Algorithm for Prediction Analysis using Classification Technique in Data Mining,” Int. J. Comput. Appl., 2017, doi: 10.5120/ijca2017912719.
S. Nurjanah, A. M. Siregar, and D. S. Kusumaningrum, “Penerapan Algoritma K – Nearest Neighbor (Knn) Untuk Klasifikasi Pencemaran Udara Di Kota Jakarta,” Sci. Student J. Information, Technol. Sci., vol. 1, no. 2, pp. 71–76, 2020.
A. Sofwan, E. Handoyo, and R. WD, “Algoritma genetika dalam pemilihan spesifikasi komputer,” Seminar, vol. 2019, no. Snati, pp. 1–6, 2019.
Sekretariat Direktorat Jenderal Penanganan Fakir Miskin, “Kenali Lebih Dekat Program Bantuan Pangan Non Tunai,” Kemensos.Go.Id, 2021, [Online]. Available: https://kemensos.go.id/uploads/topics/15664651387355.pdf.
S. Yani, F. S. Jumeilah, and M. Kadafi, “Algoritma K-Nearest Neighbor Untuk Menentukan Kelayakan Keluarga Penerima Bantuan Pangan Non Tunai (Studi Kasus : Kelurahan Karya Jaya),” J. Inf. Technol. Ampera, vol. 1, no. 2, pp. 75–87, 2020, doi: 10.51519/journalita.volume1.isssue2.year2020.page75-87.
F. Wulandari, R. Novita, E. Haerani, and F. N. Salisah, “Model Penanggulangan Kemiskinan Berbasis Wilayah Menggunakan Fuzzy C-Means Dan Simple Matching Coefficient,” J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 3, no. 2, pp. 61–64, 2017.