Penerapan Metode K-Nearest Neighbor Untuk Prediksi Jumlah Kasus HIV di Provinsi Jawa Barat

Tingginya jumlah kasus HIV/AIDS di Indonesia, khususnya di Provinsi Jawa Barat, men-jadi tantangan serius dalam bidang kesehatan masyarakat. Keterbatasan dalam memahami pola penyebaran dan memprediksi tren kasus HIV menyebabkan upaya penanggulangan menjadi kurang optimal. Untuk mengatasi hal tersebut, penelitian ini dilakukan dengan tujuan mem-prediksi jumlah kasus HIV di Jawa Barat menggunakan algoritma K-Nearest Neighbor (KNN), berdasarkan data historis dari Open Data Jabar tahun 2019 hingga 2023 yang mencakup 1.617 data dari berbagai kabupaten/kota. Tahapan penelitian mencakup pengumpulan data, prepro-cessing, pemilihan fitur, normalisasi, pembagian data latih dan uji, serta evaluasi model menggunakan metrik regresi: Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan R-squared (R²). Hasil evaluasi menunjukkan bahwa model KNN dengan nilai K optimal sebesar 19 menghasilkan MAE sebesar 142,31, MSE sebesar 40.442,92, RMSE sebesar 201,10, dan nilai R² sebesar 0,2397. Prediksi tahun 2024 menunjukkan bahwa daerah dengan jumlah kasus HIV tertinggi berada di Kota Bandung, Kabupaten Bogor, Kota Bekasi, Kabupaten Bekasi, dan Kabupaten Indramayu.

Kata Kunci: Prediksi Hiv, K-Nearest Neighbor, Data Mining, Jawa Barat