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

Abstrak

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.