• DOI:10.24076/citec.2018v5i3.179
• Corpus ID: 202976606

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

@article{Setianto2019PenerapanAK,
  title={Penerapan Algoritma K-Nearest Neighbour Dalam Menentukan Pembinaan Koperasi Kabupaten Kotawaringin Timur},
  author={Yuni Ambar Setianto and Kusrini Kusrini and Henderi Henderi},
  journal={Creative Information Technology Journal},
  year={2019}
}

• Yuni Ambar Setianto, K. Kusrini, Henderi Henderi
• Published 6 September 2019
• Mathematics
• Creative Information Technology Journal

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, KNNCurrently 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