Melola Discovery

← Melola Discovery

Open access Journal SINTA 5

KLASIFIKASI INDEKS PEMBANGUNAN MANUSIA DENGAN METODE K-NEAREST NEIGHBOR DAN SUPPORT VECTOR MACHINE DI SULAWESI TENGGARA

AnoaTIK: Jurnal Teknologi Informasi dan Komputer · Vol. 4 No. 1 (2026) · pp. 38–44

DOI
10.33772/anoatik.v4i1.140
ISSN
2987-7652
Published
2026-07-13
Publisher
Program Studi Ilmu Komputer FMIPA-UHO
Language
ind
License
creativecommons.org/licenses/by-sa/4.0

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator yang digunakan untuk menggambarkan kualitas pembangunan manusia melalui dimensi kesehatan, pendidikan, dan standar hidup yang layak. Perbedaan kondisi sosial, ekonomi, dan pembangunan antarwilayah menyebabkan variasi nilai IPM sehingga diperlukan metode yang mampu mengelompokkan wilayah berdasarkan kategori IPM secara tepat. Penelitian ini bertujuan untuk membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM) dalam mengklasifikasikan kategori IPM di Provinsi Sulawesi Tenggara. Data yang digunakan terdiri atas 17 kabupaten/kota dengan atribut Angka Harapan Hidup (AHH), Harapan Lama Sekolah (HLS), Rata-rata Lama Sekolah (RLS), dan Pengeluaran Per Kapita (PPP). Tahapan penelitian meliputi preprocessing data, pembentukan kategori IPM, normalisasi data, pembagian data menjadi data latih dan data uji, serta proses klasifikasi menggunakan algoritma KNN dan SVM. Pengujian dilakukan pada KNN dengan nilai K=3, K=5, dan K=7, sedangkan SVM menggunakan kernel linear dan kernel Radial Basis Function (RBF). Kinerja model dievaluasi menggunakan confusion matrix dan nilai akurasi. Hasil penelitian menunjukkan bahwa algoritma KNN dengan nilai K=3 memperoleh akurasi tertinggi sebesar 100%, sedangkan SVM dengan kernel linear dan kernel RBF masing-masing memperoleh akurasi sebesar 83,33%. Berdasarkan hasil tersebut, algoritma KNN menunjukkan performa yang lebih baik dibandingkan SVM dalam mengklasifikasikan kategori Indeks Pembangunan Manusia di Provinsi Sulawesi Tenggara.

Keywords

Collaboration network of the authors

2 authors · 1 co-authorship link

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://anoatik.uho.ac.id/index.php/atik/oai, first harvested 26 Oct 2026, last seen 22 Nov 2026.
Original metadata (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id-ID">KLASIFIKASI INDEKS PEMBANGUNAN MANUSIA DENGAN METODE K-NEAREST NEIGHBOR DAN SUPPORT VECTOR MACHINE DI SULAWESI TENGGARA</dc:title>
	<dc:creator>Arviana Rahma, Gusti</dc:creator>
	<dc:creator>Sulfikram, Sulfikram</dc:creator>
	<dc:subject xml:lang="id-ID">Indeks Pembangunan Manusia</dc:subject>
	<dc:subject xml:lang="id-ID">K-Nearest Neighbor</dc:subject>
	<dc:subject xml:lang="id-ID">Support Vector Machine</dc:subject>
	<dc:subject xml:lang="id-ID">klasifikasi</dc:subject>
	<dc:subject xml:lang="id-ID">, machine learning</dc:subject>
	<dc:description xml:lang="id-ID">Indeks Pembangunan Manusia (IPM) merupakan indikator yang digunakan untuk menggambarkan kualitas pembangunan manusia melalui dimensi kesehatan, pendidikan, dan standar hidup yang layak. Perbedaan kondisi sosial, ekonomi, dan pembangunan antarwilayah menyebabkan variasi nilai IPM sehingga diperlukan metode yang mampu mengelompokkan wilayah berdasarkan kategori IPM secara tepat. Penelitian ini bertujuan untuk membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM) dalam mengklasifikasikan kategori IPM di Provinsi Sulawesi Tenggara. Data yang digunakan terdiri atas 17 kabupaten/kota dengan atribut Angka Harapan Hidup (AHH), Harapan Lama Sekolah (HLS), Rata-rata Lama Sekolah (RLS), dan Pengeluaran Per Kapita (PPP). Tahapan penelitian meliputi preprocessing data, pembentukan kategori IPM, normalisasi data, pembagian data menjadi data latih dan data uji, serta proses klasifikasi menggunakan algoritma KNN dan SVM. Pengujian dilakukan pada KNN dengan nilai K=3, K=5, dan K=7, sedangkan SVM menggunakan kernel linear dan kernel Radial Basis Function (RBF). Kinerja model dievaluasi menggunakan confusion matrix dan nilai akurasi. Hasil penelitian menunjukkan bahwa algoritma KNN dengan nilai K=3 memperoleh akurasi tertinggi sebesar 100%, sedangkan SVM dengan kernel linear dan kernel RBF masing-masing memperoleh akurasi sebesar 83,33%. Berdasarkan hasil tersebut, algoritma KNN menunjukkan performa yang lebih baik dibandingkan SVM dalam mengklasifikasikan kategori Indeks Pembangunan Manusia di Provinsi Sulawesi Tenggara.</dc:description>
	<dc:publisher xml:lang="id-ID">Program Studi Ilmu Komputer FMIPA-UHO</dc:publisher>
	<dc:date>2026-07-13</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://anoatik.uho.ac.id/index.php/atik/article/view/140</dc:identifier>
	<dc:identifier>10.33772/anoatik.v4i1.140</dc:identifier>
	<dc:source xml:lang="en-US">AnoaTIK: Jurnal Teknologi Informasi &amp; Komputer; Vol. 4 No. 1 (2026): Juni 2026; 38-44</dc:source>
	<dc:source xml:lang="id-ID">AnoaTIK: Jurnal Teknologi Informasi dan Komputer; Vol 4 No 1 (2026): Juni 2026; 38-44</dc:source>
	<dc:source>2987-7652</dc:source>
	<dc:source>10.33772/anoatik.v4i1</dc:source>
	<dc:language>ind</dc:language>
	<dc:relation>https://anoatik.uho.ac.id/index.php/atik/article/view/140/52</dc:relation>
	<dc:rights xml:lang="id-ID">Hak Cipta (c) 2026 Gusti Arviana Rahma, Sulfikram Sulfikram</dc:rights>
	<dc:rights xml:lang="id-ID">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>