Klasifikasi Penentuan Penerima Bantuan Sosial Tunai (BST) Menggunakan Algoritma C4.5 Di Desa Keramas, Gianyar, Bali

Abstract

The current Covid-19 pandemic has led to an increase in the poverty rate in Indonesia. To overcome the decline in income, the Ministry of Social Affairs provides Cash Social Assistance (BST) to 9 million KPM in Indonesia. One of the villages that received cash social assistance is Keramas Village. The problem is that the BST recipient is not precise. The purpose of this study is to classify the eligibility of BST recipients using the C4.5 algorithm and the C4.5 algorithm is expected to be able to provide recommendations for decision making in receiving other assistance. The results of this study are to predict whether the community is eligible or not eligible to receive BST. Researchers tested using 5 attributes, including having received other assistance, employment, education, having a poor card, and number of dependents. The test uses 2,074 data which is divided into 2 types of data, namely 80% training data and 20% testing data. This test produces an accuracy of 97.83% and compares with the K-Nearest Neighbor algorithm which produces an accuracy of 92.29% and Naïve Bayes of 91.81%.

Klasifikasi Penerima Bantuan BPNT Menggunakan Algoritma K-Nn

“…Penelitian yang dilakukan oleh [4] Penelitian yang dilakukan oleh [3] Penelitian ini membahas tentang penggunaan metode klasifikasi Naïve Bayes untuk mengidentifikasi rumah tangga miskin di desa Lepak, Lombok. Tujuannya adalah untuk memberikan informasi yang dapat membantu pihak desa dalam merancang strategi untuk meningkatkan kesejahteraan masyarakat.…”

“…Analisisnya berdasarkan data penerima bansos, dan dengan menggunakan metode K-Means, penerima dikelompokkan menjadi dua klaster, yaitu klaster 1 mewakili penerima yang layak menerima bantuan, dan klaster 2 mewakili penerima yang tidak layak menerima bantuan. Kesimpulan yang diperoleh dari analisis adalah bantuan tersebut sampai pada penerima yang dituju, karena mayoritas penerimanya adalah mereka yang benar-benar membutuhkan bantuan, seperti buruh yang berpenghasilan rendah dan tidak memiliki aset [4].…”

Penerapan Data Mining Dalam Penentuan Strategi Marketing Menggunakan Algoritma K-Means

“…Awalnya, perangkat lunak ini dikenal dengan nama YALE (Yet Another Learning Environment) dan dikembangkan pada tahun 2001 oleh Ralf Klinkenberg, Ingo Mierswa, dan Simon Fischer di University of Dortmund. Namun, kemudian YALE mengubah nama ini menjadi RapidMiner untuk mencerminkan pengembangannya yang lebih luas dan lebih umum digunakan [13].…”

Klasifikasi Penerima Bantuan Sosial Menggunakan Algoritma C 4.5

“…Pandemi Covid-19 menyebabkan meningkat-nya angka kemiskinan di Indonesia. Untuk menanggulangi penurunan pendapatan maka kementrian sosial memberikan Bantuan Sosial Tunai kepada 9 Juta KPM di Indonesia (Pratiwi, Utami, & Putra, 2022). Pendapatan masyarakat yang terganggu ditambah dengan pasokan barang yang terhambat akan menimbulkan kekacauan (Mufida, 2020).…”