Penerapan Metode Naive Bayes Dalam Memprediksi Kelayakan Penerima Bantuan Sosial Beras Miskin Di Kelurahan Sidomulyo
Abstract
Bantuan sosial adalah salah satu program utama pemerintah untuk meningkatkan taraf hidup masyarakat. Salah satu program bantuan sosial yang menjadi perhatian pemerintah adalah bantuan Raskin (beras untuk keluarga miskin). Pengelolaan program bantuan sosial Raskin di Kelurahan Sidomulyo selama ini dilakukan dengan cara manual, yang mengakibatkan ketidakakuratan data dan ketidaktepatan sasaran penerima bantuan. Penelitian ini bertujuan untuk memperbaiki akurasi dan efisiensi proses seleksi penerima bantuan Raskin dengan menerapkan model Naive Bayes. Model ini digunakan untuk mengelompokkan data penerima berdasarkan kriteria, seperti kondisi rumah, status kepemilikan rumah, tanggungan keluarga, dan jumlah penghasilan.
Berdasarkan penelitian yang dilakukan menggunakan data dari 300 kepala keluarga, model ini berhasil mencapai tingkat akurasi sebesar 81,66%. Hasil penelitian menunjukkan bahwa 60,3% kepala keluarga dinyatakan layak menerima bantuan, sedangkan 39,7% tidak layak. Implementasi model Naive Bayes diharapkan dapat meningkatkan transparansi, keadilan, dan efisiensi dalam pelaksanaan program bantuan sosial di masa yang akan datang.
Keywords
Views & Downloads Statistics (Last 12 Months)
References
17 References-
[1]A. Dermawan, E. Saputra, and J. E. Hutagalung, “Peran Masyarakat Dalam Menaati Hukum Dan Mendukung Perkembangan Teknologi Komputer Dalam Bisnis Digital,” Community Dev. J. J. Pengabdi. Masy., vol. 2, no. 3, pp. 569–573, 2022, doi:10.31004/cdj.v2i3.2542.
-
[2]T. W. Abadi, M. Arifin, A. Riyadh, U. Balamar, and I. U. Choiriyah, Buku Ajar GOVERNANCE DIGITAL BERBASIS RISET Anggota IKAPI Nomor : 218 / Anggota Luar Biasa / JTI / 2019 Diterbitkan oleh Jl . Mojopahit 666 B Sidoarjo ISBN : 978-623-464-102-8 Copyright © 2024 Authors All rights reserved. 2024.
-
[3]N. Arapah, “Analisis Pengaruh Bantuan Sosial PKH Dan Sembako Terhadap Tingkat Kesejahteraan Masyarakat Ditengah Pandemic Covid 19 Di Kabupaten Barito Utara,” J. Ilmu Ekon. (Manajemen Perusahaan) Dan Bisnis, vol. 4, no. 02, pp. 57–65, 2020, doi:10.51512/jimb.v4i02.58.
-
[4]S. Wulandari et al., “1347-Article Text-3398-1-10-20220228,” J. Inov. Penelit., vol. 2, no. 10, pp. 3209–3218, 2022.
-
[5]Q. Iman and A. W. Wijayanto, “Klasifikasi Rumah Tangga Penerima Beras Miskin (Raskin)/Beras Sejahtera (Rastra) di Provinsi Jawa Barat Tahun 2017 dengan Metode Random Forest dan Support Vector Machine,” J. Sist. dan Teknol. Inf., vol. 9, no. 2, p. 178, 2021, doi:10.26418/justin.v9i2.44137.
-
[6]A. Takalentangen, A. R. Dilapanga, and M. Mandagi, “Implementasi Kebijakan Penyaluran Beras Sejahtera (Rastra) Di Kelurahan Singkil Dua Kota Manado,” J. Adm. Public Serv., vol. 1, no. 2, pp. 2–14, 2021, [Online]. Available: http://ejurnal.ung.ac.id/index.php/jjaps/index
-
[7]R. Amalia, “Penerapan Data Mining Untuk Memprediksi Hasil Kelulusan Siswa menggunakan Metode Naïve Bayes,” J. Inform. dan Sist. Inf., vol. 6, no. 1, pp. 33–42, 2020.
-
[8]A. Fatmawati, A. Irma Purnamasari, and I. Ali, “Implementasi Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sosial,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 745–750, 2024, doi:10.36040/jati.v8i1.8714.
-
[9]I. Hadianti, R. Astuti, and T. Suprapti, “Penerapan Algoritma Naïve Bayes Untuk Menentukan Kelayakan Penerima Bantuan Sosial Di Desa Golat,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3616–3620, 2024, doi:10.36040/jati.v7i6.8284.
-
[10]A. Firdaus, W. I. Firdaus, P. Studi, T. Informatika, M. Digital, and P. N. Sriwijaya, “Text Mining,” vol. 13, no. 1, pp. 66–78, 2021.
-
[11]J. A. Noyari, A. Aprillia, R. G. Munthe, and A. Sutarman, “Optimasi Kinerja Sistem Informasi Manajemen Kampus Menggunakan Teknik Data Mining,” vol. 3, no. 1, pp. 52–63, 2024.
-
[12]Ardi Ramdani, Christian Dwi Sofyan, Fauzi Ramdani, Muhamad Fauzi Arya Tama, and Muhammad Angga Rachmatsyah, “Algoritma Klasifikasi Data Mining Untuk Memprediksi Masyarakat Dalam Menerima Bantuan Sosial,” J. Ilm. Sist. Inf., vol. 1, no. 2, pp. 39–47, 2022, doi:10.51903/juisi.v1i2.363.
-
[13]E. P. Ariesanto Akhmad, “Data Mining Menggunakan Regresi Linear untuk Prediksi Harga Saham Perusahaan Pelayaran,” J. Apl. Pelayaran dan Kepelabuhanan, vol. 10, no. 2, p. 120, 2020, doi:10.30649/japk.v10i2.83.
-
[14]E. Nurlia and U. Enri, “Penerapan Fitur Seleksi Forward Selection Untuk Menentukan Kematian Akibat Gagal Jantung Menggunakan Algoritma C4.5,” J. Tek. Inform. Musirawas) Elin Nurlia, vol. 6, no. 1, p. 42, 2021.
-
[15]G. W. Cahya Bagaskara, M. Rochmawati, I. A. Adha, and M. Trifena, “Prediksi Penerimaan Mahasiswa Baru Universitas Singaperbangsa Karawang dengan Naive Bayes,” J. Sensi, vol. 9, no. 2, pp. 198–208, 2023, doi:10.33050/sensi.v9i2.2913.
-
[16]J. Aldian Sakbani Nasution, “Prediksi Penerimaan Bantuan PIP Pada SMKS Al-Furqon Batubara Dengan Metode Naïve Bayes,” JUTSI (Jurnal Teknol. dan Sist. Informasi), vol. 1, no. 3, pp. 219–226, 2021.
-
[17]A. A. A. Arifin, W. Handoko, and Z. Efendi, “Implementasi Metode Naive Bayes Untuk Klasifikasi Penerima Program Keluarga Harapan,” J-Com (Journal Comput., vol. 2, no. 1, pp. 21–26, 2022, doi:10.33330/j-com.v2i1.1577.
Issue
How to Cite
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.