Sistem Analisis Kemiskinan Berbasis Website dengan Model Knn untuk Kelayakan Penerimaan PKH di Kabupaten Cilacap

Dede Yusuf; Tri Stiyo Famuji; Imam Agus Faizal; Setiawan Ardi Wijaya

doi:10.51454/decode.v5i3.1477

Authors

Dede Yusuf Informatika Universitas Al-Irsyad Cilacap
Tri Stiyo Famuji Informatika Universitas Al-Irsyad Cilacap
Imam Agus Faizal D4 Teknologi Laboratorium Medis Universitas Al-Irsyad Cilacap
Setiawan Ardi Wijaya Faculty of Business Management and Information Technology Universiti Muhammadiyah Malaysia

DOI:

https://doi.org/10.51454/decode.v5i3.1477

Keywords:

Analisis Kelayakan, K-Nearest Neighbor, Program Keluarga Harapan (PKH), Sistem Berbasis Website

Abstract

Kemiskinan menjadi permasalahan strategis di Kabupaten Cilacap dengan angka mencapai 12,43% pada tahun 2023. Penelitian ini bertujuan mengembangkan Sistem SIPANDU Cilacap (Sistem Prediksi dan Analisis Data untuk Subsidi) berbasis website untuk mendukung penentuan kelayakan penerima Program Keluarga Harapan (PKH). Metode penelitian menggunakan pendekatan Research and Development (R&D) dengan desain mixed-methods. Pengumpulan data dilakukan melalui studi dokumentasi, kuesioner terstruktur, dan wawancara terhadap 350 kepala keluarga di lima kecamatan prioritas. Sistem dikembangkan menggunakan arsitektur three-tier dengan teknologi PHP, MySQL, dan Bootstrap 5. Hasil penelitian menghasilkan sistem berbasis website yang terintegrasi dengan empat fitur utama: Pemetaan Wilayah untuk visualisasi sebaran kemiskinan, Cek Status PKH untuk input data calon penerima, Berita untuk informasi program, dan Tentang SIPANDU untuk profil sistem. Sistem ini dirancang untuk menghasilkan data terstruktur sesuai format yang diperlukan implementasi algoritma K-Nearest Neighbor dalam analisis kelayakan. Hasil validasi model KNN menunjukkan akurasi sebesar 83,33% dengan nilai K optimal = 5 berdasarkan evaluasi menggunakan 5-fold cross validation. Implementasi sistem menunjukkan kemampuan dalam konsolidasi data sosio-demografi yang komprehensif meliputi 21 variabel prediktor. Pengujian sistem mencakup User Acceptance Test (UAT) dengan stakeholder Dinas Sosial Kabupaten Cilacap yang menunjukkan tingkat kepuasan 92% pada aspek usability dan functionality. Hasil pengujian blackbox terhadap seluruh modul sistem menunjukkan tingkat keberhasilan 100%, membuktikan keandalan sistem untuk diimplementasikan. SIPANDU Cilacap diharapkan dapat menjadi solusi teknologi untuk meningkatkan akurasi, transparansi, dan akuntabilitas dalam penyaluran bantuan sosial PKH, sekaligus mendukung evidence-based policy dalam perumusan kebijakan penanggulangan kemiskinan di tingkat daerah.

References

Aqilah, A. A. A. F., Bustamin, S., & Sahrir, S. S. (2023). Perancangan Sistem Informasi Manajemen Persediaan Berbasis Web di CV. Makmur Sejahtera Palopo. PROCESSOR: Jurnal Ilmiah Sistem Informasi, Teknologi Informasi Dan Sistem Komputer, 18(2), 5879–5888. https://doi.org/10.33998/processor.2023.18.2.1385

Arifuddin, D., Kusrini, K., & Kusnawi, K. (2025). Perbandingan Performansi Algoritma Multiple Linear Regression dan Multi Layer Perceptron Neural Network dalam Memprediksi Penjualan Obat. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 5(2), 722–737. https://doi.org/10.57152/malcom.v5i2.1952

Baker, R. S., Esbenshade, L., Vitale, J., & Karumbaiah, S. (2023). Using Demographic Data as Predictor Variables: a Questionable Choice. Journal of Educational Data Mining, 15(2), 22–52. https://doi.org/10.5281/zenodo.7702628

Bakri, S. N., & Harahap, L. S. (2025). Analisis klasifikasi Algoritma K-Nearest Neighboar (K-NN) pada struktur Daerah di Kota Medan. Jurnal Ilmu Komputer Dan Sistem Informasi, 4(2), 182–193. https://doi.org/10.70340/jirsi.v4i2.165

BPS Kabupaten Cilacap. (2024). Profil Kemiskinan Kabupaten Cilacap Maret 2024. 19, 1–7.

Daulay, R. S. (2024). Analisis Kritis dan Pengembangan Algoritma K-Nearest Neighbor (KNN): Sebuah Tinjauan Literatur. Jurnal Pendidikan Sains Dan Komputer, 4(02), 131–141. https://doi.org/10.47709/jpsk.v4i02.5055

Ernawati, A., Sitorus, Z., Iqbal, M., & Nasution, D. (2025). Penerapan Data Mining Untuk Klasifikasi Penduduk Miskin Di Kabupaten Labuhanbatu Menggunakan Random Forest Dan K-Nearest Neighbors. Bulletin of Information Technology (BIT), 6(2), 23–35.

Fitriana, G. F. (2020). Pengujian Aplikasi Pengenalan Tulisan Tangan menggunakan Model Behaviour Use case. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 7(2), 200–213. https://doi.org/10.35957/jatisi.v7i2.390

Hidayat, A., Ridhaihi, N. Q., Shiddiq, M. F. A., Ra’pak, F. T., & Khaerunnisa, A. A. (2023). Pengembangan Aplikasi MySaku Menggunakan Metode Waterfall. Indonesian Technology and Education Journal, 01(02), 68–77. https://doi.org/10.61255/itej.v1i2.178

Husin, M. S., & Setiawati, B. (2024). Implementasi Program Keluarga Harapan (Pkh) Untuk Meningkatkan Kesejahteraan Masyarakat Di Desa Sungai Buluh Kecamatan Kelua Kabupaten Tabalong. Jurnal Mahasiswa Administrasi Publik Dan Administrasi Bisnis, 7, 815–829.

Irawan, D., Riswanto, P., Nurmayanti, N., & Rustam, R. (2023). Penerapan Algoritma K-Nearest Neighbor (KNN) Untuk Mengklasifikan Jenis Penerimaan Bantuan. JTKSI (Jurnal Teknologi Komputer Dan Sistem Informasi), 6(2), 204. https://doi.org/10.56327/jtksi.v6i2.1489

Maharani, C., Ningrum, D. A., Fatmawati, A. E., & Fadilla, A. (2024). Dampak Kemiskinan terhadap Kualitas Pendidikan Anak di Indonesia: Rekomendasi Kebijakan yang Efektif. Journal of Macroeconomics and Social Development, 1(3), 1–10. https://doi.org/10.47134/jmsd.v1i3.199

Purwanti, E. (2024). Analisis Deskriptif Profil Kemiskinan Indonesia Berdasarkan Data BPS Tahun 2023. AKADEMIK: Jurnal Mahasiswa Humanis, 4(1), 1–10. https://doi.org/10.37481/jmh.v4i1.653

Romadloni, N. T., & Septiyanti, N. D. (2023). Optimasi Feature Selection Pada Komentar Media Sosial Terhadap Peralihan Tv Digital Menggunakan Naïve Bayes, Support Vector Machine dan K-Nearest Neighbor. Decode: Jurnal Pendidikan Teknologi Informasi, 3(2), 151–160. https://doi.org/https://doi.org/10.51454/decode.v3i2.121

SP, M. S. U., & Nugroho, H. W. (2023). Kajian Algoritma C4.5 dan K-NN Untuk Memprediksi Penduduk Miskin. Seminar Nasional Hasil Penelitian Dan Pengabdian Masyarakat, 1, 231–241.

Taufan, M. A., Rusdianto, D. S., & Ananta, M. T. (2022). Pengembangan Sistem Otomatisasi Use Case Diagram berdasarkan Skenario Sistem menggunakan Metode POS Tagger Stanford NLP. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(8), 3733–3740.

Taufiq, N., & Mariyah, S. (2021). Pendekatan Model Machine Learning dalam Pemeringkatan Status Sosial Ekonomi Rumah Tangga di Indonesia. Seminar Nasional Official Statistics, 2021(1), 1044–1053. https://doi.org/10.34123/semnasoffstat.v2021i1.1018

Vega, H., Leon, J. P. P., Cruz, P. D. L., Calderón, D., Niño, G. L. M., Castillo, M. E. R., Figueroa, A. C, Calvo, R. G., Grados, L. G., & Benito, O. (2025). K-Nearest Neighbors Model to Optimize Data Classification According to the Water Quality Index of the Upper Basin of the City of Huarmey. MDPI Applied Sciences, 15(18), 10202. https://doi.org/10.3390/app151810202

Wardhani, A. K., Sudra, R. I., Nugraha, E., & Putri, A. N. (2025). Optimization Of K Value In The K-Nearest Neighbor Algorithm For Fetal Health Classification. Journal of Computer Science and Technology (JCS-TECH), 5(1), 44–51. https://doi.org/10.54840/jcstech.v5i1.360