Data Mining Untuk Klasifikasi Masyarakat Miskin Menggunakan Naive Bayes

• Muhammad Hanick Nurgroho

---

ABSTRAK

Kemiskinan masih menjadi salah satu permasalahan yang saat ini belum terselesaikan oleh pemerintah. Upaya pemerintah dalam mengurangi jumlah kemiskinan sudah dilaksanakan dengan beberapa program bantuan di berbagai bidang untuk masyarakat miskin, seperti salah satu program bantuan di bidang pangan yaitu Bantuan Pangan Non Tunai (BPNT) yang dibuat oleh Kementerian Sosial. Namun dalam pelaksanaannya banyak data penerima yang tidak tepat sasaran sehingga menyebabkan masih adanya beberapa keluarga miskin yang tidak mendapatkan bantuan tersebut. Dalam penelitian ini penulis ingin menerapkan data mining untuk klasifikasi mengenai masyarakat miskin yang ada di RT 03 RW 23 Perumahan Narogong Cantik. Metode yang akan digunakan dalam klasifikasi data warga dengan menggunakan metode Naive Bayes. Hasil yang diperoleh berdasarkan hasil implementasi yaitu sebesar 100%, hal ini akan memudahkan bagi pengurus dalam penyaluran program bantuan agar tepat sasaran.

KATA KUNCI

Naive Bayes,Data Mining

---

DAFTAR PUSTAKA

[1]      J. Sulaksono, R. H. Irawan, and I. N. Fahmi, “Penerapan Metode Naive bayes Terhadap Bantuan Sosial Keluarga PraSejahtera,” vol. 3, no. 2, 2016.

[2]      K. Sosial, “PROGRAM BANTUAN PEMERINTAH Menuju Bantuan Sosial Terintegrasi,” 2017.

[3]      C. A. Sugianto, F. R. Maulana, and D. Mining, “Algoritma Naïve Bayes Untuk Klasifikasi Penerima Bantuan Pangan Non Tunai ( Studi Kasus Kelurahan Utama ),” vol. 18, no. 4, pp. 321–331, 2019.

[4]      H. Annur, “KLASIFIKASI MASYARAKAT MISKIN MENGGUNAKAN METODE,” vol. 10, pp. 160–165, 2018.

[5]      H. Naparin, “KLASIFIKASI PEMINATAN SISWA SMA MENGGUNAKAN,” vol. 02, no. 01, pp. 25–32, 2016.

[6]      A. A. Murtopo, “Prediksi Kelulusan Tepat Waktu Mahasiswa STMIK YMI Tegal Menggunakan Algoritma Naïve Bayes Time Graduation Prediction by Using Naïve Bayes Algorithm at STMIK YMI Tegal,” vol. 7, pp. 145–154, 2015.

[7]      D. T. Larose, “Discovering Knowledge in Data?: An Introduction to Data Mining,” United States of America: John Wiley & Sons, Inc., 2005, p. 2.

[8]      B. Santosa, “Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis,” Indonesia: Graha Ilmu, 2007, p. 10.

[9]      S. Haryati, A. Sudarsono, and E. Suryana, “IMPLEMENTASI DATA

 MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA C4 . 5,” vol. 11, no. 2, pp. 130–138, 2015.

[10]    D. T. Larose, “Discovering Knowledge in Data?: An Introduction to Data Mining,” United States of America: John Wiley & Sons, Inc., 2005, pp. 11–17.

[11]    J. Han, M. Kamber, and J. Pei, “Data Mining Concepts and Techniques,” Third Edit., United States of America: Morgan Kaufmann Publishers, 2012, pp. 6–8.

[12]    E. Manalu, F. A. Sianturi, and M. R. Manalu, “PENERAPAN ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI JUMLAH PRODUKSI BARANG BERDASARKAN DATA PERSEDIAAN DAN JUMLAH PEMESANAN PADA CV . PAPADAN MAMA PASTRIES,” vol. 1, no. 2, 2017.

[13]    A. Saleh, “Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga,” vol. 2, no. 3, pp. 207–217, 2015.

[14]    Syarli and A. A. Muin, “Metode Naive Bayes Untuk Prediksi Kelulusan ( Studi Kasus?: Data Mahasiswa Baru Perguruan Tinggi ),” vol. 2, no. 1, pp. 22–26, 2016.

[15]    E. Karyadiputra, S. Kom, and M. Kom, “ANALISIS ALGORITMA NAIVE BAYES UNTUK KLASIFIKASI STATUS KESEJAHTERAAN RUMAH TANGGA KELUARGA BINAAN SOSIAL,” vol. 7, no. 4, pp. 199–208, 2016.

[16]    S. Arikunto, “Prosedur Penelitian?: Suatu Pendekatan Praktik (Edisi Revisi),” 14th ed., Indonesia: PT Rhineka Cipta, 2010, p. 203.

[17]    S. Arikunto, “Prosedur Penelitian Suatu Pendekatan Praktik,” 13th ed., Indonesia: PT Rineka Cipta, 2006, p. 12.

[18]    Sugiyono, “Metode Penelitian Kuantitatif, Kualitatif, dan R&D,” 20th ed., Indonesia: Alfabeta, 2014, p. 80.

[19]    Margono, “Metodologi Penelitian Pendidikan,” 5th ed., Rineka Cipta, 2005, p. 118.