KLASIFIKASI PENERIMA BANTUAN USAHA MIKRO KECIL DAN MENENGAH (UMKM) MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS
Kata Kunci:
K-NN, C4.5, Naïve Bayes, Kelayakan UMKM, Analisis PerbandinganAbstrak
Indonesia saat ini menghadapi tantangan ekonomi dengan lonjakan harga barang pokok yang membebani masyarakat dan mengganggu stabilitas industri, sementara UMKM menjadi tulang punggung ekonomi yang terdampak krisis. Lembaga pemerintah, memberikan bantuan khusus untuk mendukung pertumbuhan ekonomi dan kesejahteraan masyarakat. Penelitian ini lakukan bertujuan untuk mengevaluasi metode terbaik untuk menentukan kelayakan penerima bantuan UMKM berdasarkan aset dan omset menggunakan RapidMiner 7.6 dengan tiga metode data mining: Naïve Bayes, C4.5, dan K-Nearest Neighbor (K-NN), diuji melalui validasi silang untuk menilai akurasi, presisi, recall, dan AUC. Hasil menunjukkan K-NN memiliki kinerja terbaik dengan akurasi 96,36% dan recall 98,00%, sementara Naïve Bayes unggul dalam AUC dengan nilai 0,979, dan C4.5 menunjukkan presisi 94,00%. Berdasarkan hasil ini, K-NN direkomendasikan sebagai metode terbaik untuk klasifikasi kelayakan penerima bantuan UMKM karena kinerjanya yang superior dalam penilaian akurat. Temuan ini memberikan panduan penting bagi pemerintah dan pengelola zakat dalam memastikan alokasi bantuan yang efektif dan tepat sasaran, mendukung UMKM dalam bertahan dan pulih dari dampak krisis ekonomi, dan pada akhirnya, mendukung stabilitas ekonomi Indonesia.
