PENENTUAN PENERIMA BANTUAN SOSIAL BAGI SISWA YANG TERKENA DAMPAK COVID-19 MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN)
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Nasional Malang
Author
FARIS, MOCHAMMAD
Subject
Informatics Engineering
Datestamp
2021-03-30 03:50:48
Abstract :
ABSTRAK Sekolah merupakan lembaga atau instansi tempat belajar dan mengajar serta tempat menerima dan memberi pelajaran. Seiring dengan perkembangan ilmu teknologi komunikasi dan informasi, dan pesatnya penyebaran wabah covid-19 di Indonesia, maka pembelajaran diberlakakukan secara daring/jarak jauh. namun kebijakan pemerintah dalam memberlakukan sistem Pembelajaran Jarak Jauh (PJJ) banyak orangtua siswa yang keberatan lantaran harus memenuhi kebutuhan selama pembelajaran daring. Pemberian bantuan sosial dari pihak sekolah bagi siswa yang terkena dampak covid-19 masih menggunakan sistem manual yaitu menyeleksi berkas-berkas siswa satu persatu, kemudian akan menilai berkas siswa mana yang layak mendapatkan bantuan sosial tersebut. Masalah yang ditimbulkan dari proses seleksi ini adalah berkas siswa yang terlalu banyak dan pihak sekolah terlalu lama dalam mengambil keputusan jika ada kemiripan pada data siswa. Permasalahan tersebut yang menjadi latar belakang pembuatan sistem aplikasi BANSOS covid-19 berbasis web yang menerapkan metode K-Nearest Neighbor akan memudahkan pihak sekolah dalam mengklasifikasi data siswa yang baru, apakah termasuk dalam kategori terdampak covid-19 atau tidak, sehingga sekolah dapat memberikan bantuan atau tidak secara cepat dan akurat. Berdasarkan hasil pengujian fungsional sistem, sistem ini dapat dijalankan dengan baik pada 2 browser yaitu google chrome dan mozila firefox. pengujian perhitungan algoritma K- Nearest Neighbor dengan nilai parameter K = 5 menggunakan confusion matrix di dapat nilai akurasi sebesar 98%, nilai presisi sebesar 100%, dan nilai recall sebesar 96%. Kata kunci : Bantuan sosial covid-19, K- Nearest Neighbor, php native, Mysql.
ABSTRAK Sekolah merupakan lembaga atau instansi tempat belajar dan mengajar serta tempat menerima dan memberi pelajaran. Seiring dengan perkembangan ilmu teknologi komunikasi dan informasi, dan pesatnya penyebaran wabah covid-19 di Indonesia, maka pembelajaran diberlakakukan secara daring/jarak jauh. namun kebijakan pemerintah dalam memberlakukan sistem Pembelajaran Jarak Jauh (PJJ) banyak orangtua siswa yang keberatan lantaran harus memenuhi kebutuhan selama pembelajaran daring. Pemberian bantuan sosial dari pihak sekolah bagi siswa yang terkena dampak covid-19 masih menggunakan sistem manual yaitu menyeleksi berkas-berkas siswa satu persatu, kemudian akan menilai berkas siswa mana yang layak mendapatkan bantuan sosial tersebut. Masalah yang ditimbulkan dari proses seleksi ini adalah berkas siswa yang terlalu banyak dan pihak sekolah terlalu lama dalam mengambil keputusan jika ada kemiripan pada data siswa. Permasalahan tersebut yang menjadi latar belakang pembuatan sistem aplikasi BANSOS covid-19 berbasis web yang menerapkan metode K-Nearest Neighbor akan memudahkan pihak sekolah dalam mengklasifikasi data siswa yang baru, apakah termasuk dalam kategori terdampak covid-19 atau tidak, sehingga sekolah dapat memberikan bantuan atau tidak secara cepat dan akurat. Berdasarkan hasil pengujian fungsional sistem, sistem ini dapat dijalankan dengan baik pada 2 browser yaitu google chrome dan mozila firefox. pengujian perhitungan algoritma K- Nearest Neighbor dengan nilai parameter K = 5 menggunakan confusion matrix di dapat nilai akurasi sebesar 98%, nilai presisi sebesar 100%, dan nilai recall sebesar 96%. Kata kunci : Bantuan sosial covid-19, K- Nearest Neighbor, php native, Mysql.
File :
1718035_AWAL - Mochammad Faris.pdf
1718035_BAB_I - Mochammad Faris.pdf
1718035_BAB_II - Mochammad Faris.pdf
1718035_BAB_III - Mochammad Faris.pdf
1718035_BAB_IV - Mochammad Faris.pdf
1718035_BAB_V - Mochammad Faris.pdf
1718035_DAFTAR_PUSTAKA - Mochammad Faris.pdf
1718035_LAMPIRAN - Mochammad Faris.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
