Perbandingan Akurasi Antara Metode K-Nearest Neighbor (KNN) Dan Artificial Neural Network (ANN) untuk Klasifikasi Indeks Pembangunan Manusia Kabupaten/Kota di Pulau Jawa

Pengklasifikasian Indeks Pembangunan Manusia (IPM) dilakukan untuk membantu pemerintah dalam mengukur hasil pembangunan sumber daya manusia di Indonesia. Selain itu, hasil IPM juga digunakan pemerintah untuk mengambil kebijakan tertentu pada suatu wilayah, yaitu kabupaten/kota di Pulau Jawa, yang ditinggali sebesar 56,1% dari jumlah penduduk Indonesia. Oleh karena itu, diperlukan pengklasifikasian IPM dengan menggunakan metode K-Nearest Neighbor (KNN) dan Artificial Neural Network (ANN), untuk mengklasifikasikan IPM kabupaten/kota di Pulau Jawa dengan membandingkan hasil akurasinya. Kedua metode tersebut telah dibandingkan pada penelitian yang berbeda sebelumnya, dengan hasil akurasi yang berbeda pula. Oleh karena itu, penelitian ini akan membandingkan hasil akurasi dari penerapan metode KNN dan ANN pada objek yang sama yaitu IPM kabupaten/kota di Pulau Jawa. Pada penerapan metode KNN, menghasilkan akurasi 95,83% dengan nilai K=7 dan pembagian data training dan testing yaitu 80%-20%, namun berdasarkan hasil dari mean Cross Validation Score pada metode KNN, yang menghasilkan model terbaik adalah K=3. Sedangkan penerapan metode ANN, menghasilkan akurasi 94,44%, pada pembagian data 70%-30%, tetapi bukan model yang terbaik karena validasi loss dan training loss model ANN dipembagian tersebut termasuk overfitting. Berdasarkan hasil penerapan metode KNN dan ANN pada klasifikasi IPM kabupaten/kota di Pulau Jawa menunjukkan bahwa metode KNN lebih unggul secara akurasi, akan tetapi nilai K=7 bukan model yang terbaik berdasarkan dari hasil mean K-Fold Cross Validation Score, sehingga pada objek penelitian klasifikasi IPM kabupaten/kota di Pulau Jawa tahun 2021, kedua metode tersebut tidak lebih unggul dari satu sama lain.