[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-1-id-113":3,"doc-seo-233715-113":41,"doc-detail-233715-id":114},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37],{"id":8,"doc_module":9,"doc_module_name":10,"category_name":11,"show_sort_weight":4,"slug":12},178,1,"Template","Faktur","faktur",{"id":14,"doc_module":9,"doc_module_name":10,"category_name":15,"show_sort_weight":4,"slug":16},192,"Formulir","formulir-192",{"id":18,"doc_module":9,"doc_module_name":10,"category_name":19,"show_sort_weight":4,"slug":20},180,"Media Sosial","media-sosial",{"id":22,"doc_module":9,"doc_module_name":10,"category_name":23,"show_sort_weight":4,"slug":24},179,"Poster","poster",{"id":26,"doc_module":9,"doc_module_name":10,"category_name":27,"show_sort_weight":4,"slug":28},176,"Presentasi","presentasi",{"id":30,"doc_module":9,"doc_module_name":10,"category_name":31,"show_sort_weight":4,"slug":32},177,"Resume","resume",{"id":34,"doc_module":9,"doc_module_name":10,"category_name":35,"show_sort_weight":4,"slug":36},182,"Surat","surat-a95d00d3aaf04f3b854ecf140f00d385",{"id":38,"doc_module":9,"doc_module_name":10,"category_name":39,"show_sort_weight":4,"slug":40},183,"Umum","umum-07d1ff437201438088836b2b1ed3c90f",{"code":4,"msg":42,"data":43},"ok",{"site_id":44,"language":45,"slug":46,"title":47,"keywords":48,"description":49,"schema_data":50,"social_meta":107,"head_meta":109,"extra_data":111,"updated_unix":113},113,"id","thesis-population-data-classification-system-to-determine-polling-station-tps-using-k-nearest-neighbor-knn-website-based-case-study-bululawang-village-election","SKRIPSI - SISTEM KLASIFIKASI DATA PENDUDUK UNTUK MENENTUKAN TEMPAT PEMUNGUTAN SUARA (TPS) DENGAN METODE K-NEAREST NEIGHBOR (KNN) BERBASIS WEBSITE - STUDI KASUS: PEMILU DESA BULULAWANG","","Pemilihan Umum (Pemilu) menjadi momen krusial dalam demokrasi di Indonesia, sehingga penentuan tempat pemungutan suara (TPS) bagi pemilih di seluruh wilayah harus berjalan akurat. Proses di Desa Bululawang masih manual dengan pengelompokan berdasarkan alamat, RT, RW, dan anggota keluarga, yang memakan waktu serta rentan kesalahan penempatan TPS. Penelitian ini merancang sistem manajemen data penduduk berbasis website menggunakan metode K-Nearest Neighbor untuk mengklasifikasikan data pemilih dan menentukan TPS secara lebih efisien. Pengujian Confusion Matrix menunjukkan akurasi 93,75%, presisi global 93,67%, recall global 93,38%, serta error rate 6,25%.",{"@graph":51,"@context":106},[52,68,89],{"@type":53,"itemListElement":54},"BreadcrumbList",[55,59,62,65],{"item":56,"name":57,"@type":58,"position":9},"https://docshare.wps.com","Home","ListItem",{"item":60,"name":10,"@type":58,"position":61},"https://docshare.wps.com/id/template/",2,{"item":63,"name":39,"@type":58,"position":64},"https://docshare.wps.com/id/template/umum/",3,{"item":66,"name":47,"@type":58,"position":67},"https://docshare.wps.com/id/template/thesis-population-data-classification-system-to-determine-polling-station-tps-using-k-nearest-neighbor-knn-website-based-case-study-bululawang-village-election/233715/",4,{"url":66,"name":47,"@type":69,"image":70,"author":75,"headline":47,"publisher":78,"fileFormat":81,"inLanguage":45,"description":49,"dateModified":82,"datePublished":83,"encodingFormat":81,"isAccessibleForFree":84,"interactionStatistic":85},"DigitalDocument",{"url":71,"@type":72,"width":73,"height":74},"https://docshare.wps.com/thumbnails/thesis-population-data-classification-system-to-determine-polling-station-tps-using-k-nearest-neighbor-knn-website-based-case-study-bululawang-village-election/233715.png","ImageObject",442,249,{"name":76,"@type":77},"Aurora","Person",{"url":56,"name":79,"@type":80},"DocShare","Organization","application/pdf","2026-09-21","2026-09-10",true,{"@type":86,"interactionType":87,"userInteractionCount":9},"InteractionCounter",{"@type":88},"ViewAction",{"@type":90,"mainEntity":91},"FAQPage",[92,98,102],{"name":93,"@type":94,"acceptedAnswer":95},"Apa tujuan penelitian dalam skripsi ini?","Question",{"text":96,"@type":97},"Membangun sistem klasifikasi data penduduk berbasis website untuk menentukan tempat pemungutan suara (TPS) bagi pemilih.","Answer",{"name":99,"@type":94,"acceptedAnswer":100},"Metode apa yang digunakan untuk menentukan TPS?",{"text":101,"@type":97},"Penelitian menggunakan metode K-Nearest Neighbor (KNN) dengan perhitungan jarak Euclidean Distance.",{"name":103,"@type":94,"acceptedAnswer":104},"Bagaimana performa sistem berdasarkan hasil pengujian?",{"text":105,"@type":97},"Pengujian Confusion Matrix menunjukkan akurasi 93,75%, presisi global 93,67%, recall global 93,38%, dan error rate 6,25%.","https://schema.org",{"og:url":66,"og:type":108,"og:title":47,"og:site_name":79,"og:description":49},"article",{"robots":110,"canonical":66},"index,follow",{"doc_id":112,"site_id":44},233715,1790003525,{"code":4,"msg":5,"data":115},{"doc_id":112,"user_id":116,"nickname":76,"user_avatar":117,"doc_module":9,"category_id":38,"category_name":39,"doc_title":47,"doc_description":49,"doc_content":118,"file_id":119,"file_url":120,"file_type":121,"file_size":122,"view_count":9,"is_deleted":4,"is_public":9,"is_downloadable":9,"audit_status":9,"page_count":123,"language":124,"language_code":45,"site_id":44,"html_lang":45,"table_of_contents":125,"faqs":126,"seo_title":127,"seo_description":49,"update_tm":128,"read_time":67},4810365810221,"https://ap-avatar.wpscdn.com/davatar_155a257f0dc6eb9ab79c44ca47cae57d","SKRIPSI  \n# SISTEM KLASIFIKASI DATA PENDUDUK UNTUK\n\nMENENTUKAN TEMPAT PEMUNGUTAN SUARA (TPS)  \nDENGAN METODE K-NEAREST NEIGHBOR (KNN)BERBASIS WEBSITE  \n(STUDI KASUS : PEMILU DESA BULULAWANG)  \nDisusun Oleh :  \nAHMAD ZULFAN NAJIB  \n20.18.031  \nPROGRAM STUDI TEKNIK INFORMATIKA S-1FAKULTAS TEKNOLOGI INDUSTRI INSTITUTTEKNOLOGI NASIONAL MALANG  \n# LEMBAR PERSETUJUAN\n\nSISTEM KLASIFIKASI DATA PENDUDUK UNTUK  \nMENENTUKAN TEMPAT PEMUNGUTAN (TPS)  \nBERBASIS WEBSITE  \n(STUDI KASUS : PEMILU DESA BULULAWANG)  \nDisusun OlehAHMAD ZULFAN NAJIB  \n20.18.031  \nDiperiksa dan disetujui  \nDosen Pembimbing 1 Dosen Pembimbing 2  \n(Dr. Ir. Sentot Achmadi, Msi)  (Karina ST, M   \nNIP.P 1039500281 1031000426  \nPROGRAM STUDI TEKNIK INFORMATIKATEKNOLOGI  \n# SISTEM KLASIFIKASI DATA PENDUDUK UNTUKMENENTUKAN TEMPAT PEMUNGUTAN SUARA (TPS)DENGAN METODE K-NEAREST NEIGHBOR (KNN)BERBASIS WEBSITE (STUDI KASUS : PEMILU DESABULULAWANG)\n\nAhmad Zulfan Najib, Sentot Achmadi, Karina Auliasari  \nProgram Studi Teknik Informatika S1, Fakultas Teknologi IndustriInstitut Teknologi Nasional Malang, Jalan Raya Karanglo km 2 Malang, Indonesianajibzulfan@gmail.com  \n## ABSTRAK\n\nPemilihan Umum (Pemilu) menjadi momen krusial dalam konteksdemokrasi di Indonesia. Untuk memastikan kelancaran jalannya pemilu,dibutuhkan penentuan tempat pemungutan suara (TPS) untuk pemilih di seluruhwilayah negara ini. Selama ini proses penentuan TPS di Desa Bululawangdilakukan secara manual, denganmengelompokkan penduduk berdasarkanalamat,RT, RW dananggotakeluarga. Prosespenentuaninimembutuhkanwaktulamadanrentan timbul kesalahan, seperti satu KK yang tidakberada di TPS yang sama danjuga salah menempatkan TPS yang menimbulkan teguran dari pengawas pemilu.Maka dari itu dibuatkan sistem manajemen data penduduk yang efisien dengankemampuan penentuan TPS untuk calon pemilih berdasarkan pola karakteristikdata penduduk dengan metode K-Nearest Neighbor, untuk membantu panitiapemungutan suara meminimalisir kesalahan dari proses penentuan TPS manual.Dari hasil pengujian Confusion Matrix sistem dapat mengklasifikasi data pendudukuntuk menentukan TPS melalui perhitungan metode K-Nearest Neighbor dengannilai parameter K = 3, menggunakan perhitungan jarak Euclidean Distancemenghasilkan nilai akurasi sebesar 93,75%, nilai presisi global sebesar 93,67%,recall global sebesar 93,38% dan Error Rate 6,25% .  \nKata kunci : KNN, K-Nearest Neighbor, Penentuan TPS, Data Penduduk, Klasifikasi, Pemilu.  \n# LEMBAR PERNYATAAN KEASLIAN SKRIPSI\n\nSebagai mahasiswa Program Studi TeknikInformatika S-1 Fakultas Teknologi  \nIndustri Institut Teknologi Nasional Malang, yang bertanda tangan dibawah ini,  \nsaya :  \nNama : Ahmad Zulfan Najib  \nNIM : 2018031  \nProgram Studi : TeknikInformatika S-1  \nFakultas : Fakultas Teknologi Industri  \nMenyatakan dengan sesungguhnya bahwa skripsi saya dengan judul “Sistem  \nKlasifikasi Data Penduduk Untuk Menentukan Tempat Pemungutan Suara  \n(TPS) Dengan Metode K-Nearest Neighbor (KNN) Berbasis Website (Studi  \nKasus : Pemilu Desa Bululawang)” merupakankarya asli danbukan merupakan  \nduplikat dan mengutip seluruhnya karya orang lain. Apabila di kemudian hari,  \nkarya asli saya disinyalir bukan merupakan karya asli saya, maka saya bersedia  \nmenerima segala konsekuensi apa pun yang diberikan Program Studi Teknik  \nInformatika S-1 Fakultas Teknologi Industri Institut Teknologi Nasional Malang.  \nDemikian surat pernyataanini sayabuat dengan sebenar-benarnya.  \nMalang, 2024  \nYang membuatpernyataan  \nAhmad Zulfan Najib  \n2018031  \n# KATA PENGANTAR\n\nDenganmemanjatkan puji syukur kehadirat Tuhan Yang Maha Esa, karenadenganrahmat dan karunia-Nya sehingga penulis dapat menyusun skripsi yang berjudul  \n“Sistem Klasifikasi Data Penduduk Untuk Menentukan Tempat PemungutanSuara (TPS) Dengan Metode K-Nearest Neighbor (KNN) Berbasis Website(Studi Kasus : Pemilu Desa Bululawang)” dan dapat diselesaikan dengan baik.Skripsi ini disusun sebagai salah satu syarat untuk mengerjakan skripsi padaprogram S-1 di Jurusan Teknik ","cbCaihau8esIpvJg","https://ap.wps.com/l/cbCaihau8esIpvJg","pdf",548731,12,"Indonesian","# Abstrak\n# Lembar Pernyataan Keaslian Skripsi\n# Kata Pengantar\n# Daftar Isi\n# Daftar Gambar","[{\"question\":\"Apa tujuan penelitian dalam skripsi ini?\",\"answer\":\"Membangun sistem klasifikasi data penduduk berbasis website untuk menentukan tempat pemungutan suara (TPS) bagi pemilih.\"},{\"question\":\"Metode apa yang digunakan untuk menentukan TPS?\",\"answer\":\"Penelitian menggunakan metode K-Nearest Neighbor (KNN) dengan perhitungan jarak Euclidean Distance.\"},{\"question\":\"Bagaimana performa sistem berdasarkan hasil pengujian?\",\"answer\":\"Pengujian Confusion Matrix menunjukkan akurasi 93,75%, presisi global 93,67%, recall global 93,38%, dan error rate 6,25%.\"}]","SKRIPSI - SISTEM KLASIFIKASI DATA PENDUDUK UNTUK MENENTUKAN TEMPAT PEMUNGUTAN SUARA (TPS) DENGAN METODE K-NEAREST NEIGHBOR (KNN) BERBASIS WEBSITE - STUDI KASUS: PEMILU DESA BULULAWANG | PDF",1789080201]