Klasifikasi Penerima Beasiswa BAZNAS Mahasiswa Menggunakan Algoritma K-Nearest Neighbors (KNN)

Abstract

Biaya pendidikan tinggi yang terus meningkat menjadi kendala bagi mahasiswa dari keluarga dengan keterbatasan ekonomi. Program bantuan seperti beasiswa BAZNAS dan keringanan Uang Kuliah Tunggal (UKT) hadir sebagai solusi, namun proses seleksi yang selama ini dilakukan secara manual memiliki kelemahan dalam hal efisiensi waktu dan potensi human error yang menyebabkan bantuan tidak tepat sasaran. Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Nearest Neighbor (KNN) dalam mengklasifikasikan kelayakan penerima bantuan secara otomatis dan objektif. Dataset yang digunakan terdiri dari 1000 data mahasiswa dengan atribut meliputi pendapatan keluarga, jumlah tanggungan, IPK, status orang tua, dan keaktifan organisasi. Metodologi penelitian mencakup tahap pra-pemrosesan data seperti cleaning, transformasi label, dan normalisasi Min-Max guna memastikan keadilan bobot antar variabel. Hasil penelitian menunjukkan bahwa penggunaan algoritma KNN dengan evaluasi Confusion Matrix mampu menghasilkan tingkat akurasi sebesar 90%. Hal ini membuktikan bahwa sistem pendukung keputusan berbasis KNN dapat menjadi solusi efektif bagi lembaga pendidikan dalam menyalurkan bantuan secara lebih cepat, akurat, dan akuntabel.