Penerapan Algoritma Naïve Bayes Untuk Penentuan Kelayakan Bantuan Sosial Fakir Miskin dan Orang Tidak Mampu

• AGUS SUGIYANTO

---

ABSTRAK

ABSTRAK

Agus Sugiyanto (11170086), Penerapan Algoritma Naïve Bayes Untuk Penentuan   Kelayakan Bantuan Sosial Fakir Miskin dan Orang Tidak Mampu

 

Sejak berlakunya Undang-Undang Republik Indonesia Nomor 13 tahun 2011 Tentang Fakir Miskin terdapat kementerian/Lembaga yang melaksanakan program penanganan kemiskinan seperti Kementerian Sosial. Kementrian Sosial  dituntut memainkan peran agar upaya penanggulangan kemiskinan di Indonesia dapat meningkatkan perlindungan sosial yang komprehensif,  yang mencakup terpenuhinya hak dasar  seluruh rakyat sebagai terbukanya peluang masyarakat miskin untuk berinvestasi pada peningkatan kapasitas keluarga dalam pertumbuhan ekonomi. Kemiskinan akan menjadi ancaman yang serius dimasa mendatang jika hal tersebut dibiarkan. Dari 94 dataset yang diolah terdapat 75 data mendapatkan bantuan yang terdiri dari penghasilan perbulan 1.000.000 – 3.000.000 dan < 3.000.000 serta terdapat jumlah 5 warga mampu yang mendaftar bantuan sosial dan penghasilan perbulan > 3.000.000 dengan total 19 warga tidak mendapat bantuan. Salah satu cara untuk membantu penerapan penentuan kelayakan bantuan sosial fakir miskin dan orang tidak mampu yaitu menggunakan metode algoritma naïve bayes. Pada penelitian ini akan digunakan klasifikasi Naïve Bayes dan Microsoft Excel. Metode penelitian ini dengan melakukan business understanding, data understanding, data preparation, tahap modeling, evaluasi dan deployment. Setelah dilakukan pengujian dari model klasifikasi naïve bayes menghasilkan nilai Accuracy pada model ini yaitu 82,14%, nilai Sensitivity 82,09%, nilai Specificity 53,85%, nilai PPV 82,09%, nilai NPV 82,35%.

Kata Kunci: Bantuan Sosial, Fakir Miskin dan Orang Tidak Mampu, Naïve Bayes, Confusion Matrix.

KATA KUNCI

Pnerapan Algoritma

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1]      D. Achmadi Jayaputrra, M Syawie, Indah Huruswati, Kontribusi kementerian sosial dalam penurunan angka kemiskinan, 2019th ed. Jakarta Timur: Puslitbangkesos Kementerian Sosial RI.

[2]      D. Rudi Kurniawan, Takdir, Hadi Iskandar, “Jurnal HUMANIS Sekolah Tinggi Ilmu Administrasi Nasional ISSN,” no. 6, pp. 142–174, 2020.

[3]      D. Lestari and M. F. Rizki, “Strategi Media Relations Humas Kementerian Sosial Republik Indonesia Pada Program Prioritas,” Avant Garde, vol. 7, no. 2, p. 234, 2019, doi: 10.36080/ag.v7i2.918.

[4]      R. S. Tiara Dewi, Muhammad Amir Masruhim, “Kebijakan Pemeberian Bantuan Sosial Bagi Keluarga Miskin,” Lab. Penelit. dan Pengemb. FARMAKA Trop. Fak. Farm. Univ. Mualawarman, Samarinda, Kalimantan Timur, no. April, pp. 5–24, 2016.

[5]      N. Alfiah and P. S. Informasi, “Klasifikasi Penerima Bantuan Sosial Program Keluarga Harapan Menggunakan Metode Naive Bayes,” vol. XVI, pp. 32–40, 2021.

[6]      K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (Dbd) Berdasarkan Provinsi,” Comput. Eng. Sci. Syst. J., vol. 3, no. 2, p. 173, 2018, doi: 10.24114/cess.v3i2.9661.

[7]      M. Syukri Mustafa, M. Rizky Ramadhan, and A. P. Thenata, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,” Citec J., vol. 4, no. 2, pp. 151–162, 2017.

[8]      M. F. Rahman, D. Alamsah, M. I. Darmawidjadja, and I. Nurma, “Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network (RBNN),” J. Inform., vol. 11, no. 1, p. 36, 2017, doi: 10.26555/jifo.v11i1.a5452.

[9]      Y. P. Astuti, U. Sudibyo, A. W. Kurniawan, and Y. Rahayu, “Algoritma Naive Bayes Dengan Fitur Seleksi Untuk Mengetahui Hubungan Variabel Nilai Dan Latar Belakang Pendidikan,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 9, no. 1, pp. 597–602, 2018, doi: 10.24176/simet.v9i1.2016.

[10]    V. R. Prasetyo, H. Lazuardi, A. A. Mulyono, and C. Lauw, “Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Linear Regression,” J. Nas. Teknol. dan Sist. Inf., vol. 7, no. 1, pp. 8–17, 2021, doi: 10.25077/teknosi.v7i1.2021.8-17.

[11]    A. Asistyasari and T. Baidawi, “Analisis Penerimaan Karyawan Posisi Field Collector Menggunakan Algoritma C4.5 Pada Pt. Prismas Jamintara Jakarta,” vol. 2, no. 2, pp. 1–6, 2017.

[12]    I. W. Saputro and B. W. Sari, “Chandra, W. N., Indrawan, G., & Sukajaya, I. N. (2016). Spam Filtering Dengan Metode Pos Tagger Dan Klasifikasi Naïve Bayes. Jurnal Ilmiah Teknologi Informasi Asia, 10(1), 47–55. Smyrniw, W. (2016). 1. Introduction 11. Ukrainian Science Fiction. https://d,” Creat. Inf. Technol. J., vol. 6, no. 1, p. 1, 2020.

[13]    H. Muiz, Enong dan Ningsih, “Jurnal Ekobis?: Ekonomi , Bisnis & Manajemen Jurnal Ekobis?: Ekonomi , Bisnis & Manajemen,” vol. 8, pp. 123–130, 2018.

[14]    N. R. Naafian and K. Kunci, “KONTRASEPSI DI PUSKESMAS II COLOMADU DENGAN ALGORITMA,” pp. 1–10.

[15]    W. F. Pattipeilohy, A. Wibowo, and D. R. Utari, “Pemodelan Dan Prototipe Sistem Informasi Untuk Prediksi Pembaharuan Polis Asuransi Mobil Menggunakan Algoritma C.45,” Pros. SNATIF ke-6 Tahun 2019, no. 2007, pp. 96–101, 2019.