OMB Tech

JURNAL INFORMATIKA, Gorontalo 26 November 2016 PENERAPAN ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI DANA DESA Email : Zemibadu@gmail.com ABSTRACT K-Nearest Neighbor algorithm (k-NN) is a method to perform the classification of objects based on the learning data that were located closest to the test data. K-Nearest instance Neighbor including group instance-based learning. The composition of the training data = 80% and testing data = 20% at random, modification K values for classification of parameter changes the accuracy of KNN. Where the results of each changes in the value of k, namely: a) k = 3, accuracy = 78.95%; Based on the evaluation model of k-nearest neighbor using Confusion Matrix, the use of models k-nearest neighbor to the dataset taken that are used in the research object gain accuracy of 78.95% or included Failure by using the parameters k = 2. Then the value of Precision as big as 100% and Recall as big as 100%.  Based on these results it can be stated

Terdengar suara ayam berkokok Semua bangun pada pagi yang menyapa Hai sahabat, selamat pagi Masih dengan aktivitas yang sama Bersama, bersatu, bermusuhan, bercanda,seperti biasa Sungguh tak bisa kubayangkan wajah-wajah aneh saat itu coba tanyakan pada ilalang mereka pasti tersenyum Akan kebersamaan, pertemuan dan perpisahan Akan kapas dan besi yang jadi pertanyaan tiap lelucon Akan kopi hitam jadi ciri khas para tamu Akan persoalan yang slalu saja menjadi rumit Semua adalah cerita, kenangan, pengalaman Makasih atas kemesraan persahabatan selama ini Makasih atas waktu yang singkat ini Kau tau? ilalang akan merindukan saat-saat ini Mungkin semua bosan karena yang slalu terucap hanya satu kata “pulang” Tapi pasti semua akan merindukan satu sama lain Jangan tanyakan pada siapa, kenapa, mengapa, kapan Sebab pertanyaan aneh itu tak akan terjawab Bahwa saat ini, kita masih dalam ruangan yang sama Tak bisa di pungkiri mungkin besok kita akan berada