http://202.70.136.179/ http://103.88.229.68/pisang/ http://202.28.24.203/ http://203.162.246.123/ http://103.134.17.25/free/ https://storage.googleapis.com/sangpisang/index.html
Penerapan K-Nearest Neighbors (KNN) untuk Klasifikasi Aset dalam Upaya Menentukan Aset Wakaf Produktif | Sugiarto | Jurnal Transformatika

Penerapan K-Nearest Neighbors (KNN) untuk Klasifikasi Aset dalam Upaya Menentukan Aset Wakaf Produktif

Edi Sugiarto, Amiq Fahmi, Muslih Muslih, Novi Hendriyanto

Abstract


aset wakaf berupa tanah yang tersebar di Indonesia terbilang cukup besar, sehingga aset wakaf yang besar ini perlu dikelola dengan baik agar tidak menimbulkan banyak permasalahan yang pada akhirnya tanah wakaf tidak sesuai dengan tujuannya dan tidak dapat digunakan untuk kepentingan umat. Instrument pengamanan aset wakaf telah memenuhi, namun masih banyak muncul persoalan mengenai aset wakaf seperti menguapnya bondo wakaf, sengketa, alih fungsi, dll, sehingga dalam hal ini menunjukan bahwa banyak persoalan terkait pengelolaan aset wakaf yang harus dipecahkan. potensi wakaf sangat besar, bahkan diperkirakan potensi tanah wakaf di indonesia mencapai lima kali luas singapura, namun saat ini belum dikelola secara profesional dan lebih produktif. Penggunaan tanah wakaf di indonesia masih identik dengan masjid dan makam, padahal wakaf dapat juga dikelola menjadi aset-aset ekonomi yang menghasilkan keuntungan sehingga hasil dari wakaf produktif tersebut dapat digunakan untuk kepentingan umat. K-Nearest Neighbors (KNN) merupakan algoritma klasifikasi yang didasarkan pada analogi yaitu membandingkan data uji dengan data latih yang berada dekat dengan dan memiliki kemiripan dengan data uji tersebut, dalam penelitian ini KNN digunakan sebagai metode untuk klasifikasi aset wakaf guna mengidentifikasi aset wakaf tersebut berpotensi produtif atau tidak produktif. Penelitian dilakukan dengan menggunakan 57 data aset wakaf yang diperoleh dengan membagi menjadi 45 data untuk training dan 12 untuk testing. Hasil pengujian yang telah dilakukan membuktikan metode KNN ini memiliki akurasi yang baik untuk klasifikasi aset wakaf yaitu mencapai 93% pada data training dan 83% pada data testing.


Keywords


Aset Wakaf, Wakaf Produktif, K-Nearest Neighbors

References


. Amiq Fahmi dan Edi Sugiarto(2016), Sistem Informasi Geografis untuk Pengelolaan dan Monitoring Persebaran Aset Wakaf , Techno.COM, Vol.15, No 4, November 2016 : 327-334.

. Abdullah Ubaid (2012), Pasang Surut Tanah Wakaf di Tengah Kemelut Agraria, Tashwirul Afkar Edisi No. 31.

. Rini Dian Haerani, (2015). Model Pengelolaan Wakaf produktif Dompet Dhuafa . UIN Syarif Hidayatullah Jakarta.

. Ajeng Wahyu Puspitasari (2017),"Optimizing Productive Land Waqf Towards Farmer Prosperity", Journal of Indonesia Aplied Economics, vol6 no. 1, 2017:103-112

. Dewi Sartika (2017), Perbandingan Algoritma Klasifikasi Naive Bayes, Nearest Neighbour, dan Decision Tree pada Studi Kasus Pengambilan Keputusan Pemilihan Pola Pakaian , Jatisi, Vol. 1 No 2 Maret 2017, ISSN : 1978-1520

. Usawatun Hasanah. 2008, Wakaf dalam perundang-undangan di Indonesia, Al-Awqaf, volume 1, Nomor 01.

. Amiq Fahmi (2018), Waqf Lands Assets Classification Based On Productive Value For Business Development Using Na ve Bayes , 2018 International Seminar on Research of Information Technology and Intelligent Systems (ISRITI), Yogyakarta.

. Yofi (2018), K-Nearest Neighbor and Naive Bayes Classifier Algorithm in Determining The Classification of Healthy Card Indonesia Giving to The Poor , Scientific Journal of Informatics Vol. 5, No. 1, May 2018.

. https://jurnalislam.com/belum-dikelola-produktif-padahal-tanah-wakaf-indonesia-5-kali-luas-singapura/, diakses pada 12 desember 2019.

. Undang-undang Republik Indonesia No 41 Tahun 2004 Tentang Wakaf

. M. A. Budiman, The Significance of Waqf for Economic Development, MPRA Pap., vol. No. 81144, posted 6 September 2017 16:03 UTC, Jun. 2014.




DOI: http://dx.doi.org/10.26623/transformatika.v19i2.3356

Refbacks

  • There are currently no refbacks.


| View My Stats |

Jurnal Transformatika : Journal Information Technology  by  Department of Information Technology, Faculty of Information Technology and Communication, Semarang University  is licensed under a  Creative Commons Attribution 4.0 International License.