Analisis Klasifikasi Kelayakan Masyarakat Penerima Bantuan BLT Dengan Metode NaiveBayes Berbasis Web

Nike Kristiwilola Wau; Mariska Putri Pratiwi

doi:10.52303/jb.v7i2.166

Nike Kristiwilola Wau Universitas Putera batam
Mariska Putri Pratiwi Universitas Putera Batam

DOI: https://doi.org/10.52303/jb.v7i2.166

Keywords: BLT, Klasifikasi, Naive Bayes, Website

Abstract

Penyaluran Bantuan Langsung Tunai (BLT) di Indonesia sering mengalami masalah dalam hal akurasi sasaran penerima. Salah satu penyebab utamanya adalah proses pendataan dan klasifikasi yang masih dilakukan secara manual, sehingga menimbulkan potensi kesalahan dan keterlambatan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem berbasis web yang dapat membantu pemerintah desa dalam mengklasifikasikan kelayakan penerima BLT secara otomatis menggunakan metode Naïve Bayes. Sistem ini dibangun dengan fitur-fitur utama seperti manajemen data warga, klasifikasi berdasarkan atribut sosial ekonomi (pendapatan, jumlah anak usia sekolah, usia dini, ibu hamil, lansia, dan disabilitas), dan dasbor pemantauan bantuan. Untuk menguji efektivitas metode yang digunakan, dilakukan proses pelatihan model klasifikasi menggunakan aplikasi RapidMiner Studio pada 200 data warga. Hasil evaluasi menunjukkan bahwa metode Naïve Bayes mampu mencapai tingkat akurasi sebesar 71,00%, yang menunjukkan kinerja yang cukup baik dalam mengklasifikasikan kategori KPM (Keluarga Penerima Manfaat). Dengan sistem ini, proses seleksi penerima bantuan menjadi lebih cepat, lebih transparan, dan lebih objektif.

References

[1] N. Windy Mardiyyah, N. Rahaningsih, and I. Ali, “Peìneìrapan Data Mining Meìngguìnakan Algoritma K-Neìareìst Neìighbor Pada Preìdiksi Peìmbeìrian Kreìdit Di Seìktor Finansial,” JATI (Juìrnal Mhs. Teìk. Inform., vol. 8, no. 2, pp. 1491–1499, 2024, doi: 10.36040/jati.v8i2.9010.
[2] Teìguìh Adrian and Nana Suìarna, “Impleìmeìntasi Data Mining Uìntuìk Meìngklasifikasi Hasil Keìluìluìsan Madrasah Meìngguìnakan Algoritma Naiveì Bayeìs,” J. Sci. Reìs. Deìv., vol. 5, no. 2, pp. 1142–1160, 2024, doi: 10.56670/jsrd.v5i2.279.
[3] I. K. J. Arta, G. Indrawan, and G. Rasbeìn Danteìs, “Data Mining Reìkomeìmdasi Calon Mahasiswa Beìrpreìstasi di STMIK Deìnpasar Meìngguìnakan Meìtodeì Teìchniquìeì For Otheìr Reìfeìreìnceì By Similarity to Ideìal Soluìtion,” J. Ilmuì Kompuìt. Indoneìs., vol. 4, no. 1, pp. 11–21, 2019.
[4] F. Ameìlia Sari Luìbis, S. Sahara Luìbis, and B. Heìndrik, “Peìrancangan Sisteìm Inveìntory Uìntuìk Stok Barang Heìrbisida Pada UìD. Anuìgrah Jaya Tani Deìngan Bahasa Peìmrograman PHP dan Databaseì MySql,” J. Sains Inform. Teìrap., vol. 2, no. 2, pp. 50–55, 2023, doi: 10.62357/jsit.v2i2.167.
[5] Y. L. Naineìl, Eì. Buìuìlolo, and I. Luìbis, “Peìneìrapan Data Mining Uìntuìk Eìstimasi Peìnjuìalan Obat Beìrdasarkan Peìngaruìh Brand Imageì Deìngan Algoritma Eìxpeìctation Maximization (Stuìdi Kasuìs: PT. Pyridam Farma Tbk),” JUìRIKOM (Juìrnal Ris. Kompuìteìr), vol. 7, no. 2, p. 214, 2020, doi: 10.30865/juìrikom.v7i2.2097.
[6] G. Guìnadi, “Peìneìrapan Algoritma K-Meìans Cluìsteìring Uìntuìk Meìnganalisa Transaksi Peìnjuìalan Jasa Ceìtak Pada Uìnit Print on Deìmand (Pod) Peìrceìtakan Grameìdia,” Infoteìch J. Teìchnol. Inf., vol. 8, no. 2, pp. 117–126, 2022, doi: 10.37365/jti.v8i2.148.
[7] Eì. Mardiani eìt al., “Analisis Preìdiksi Peìndapatan Peìnduìduìk deìngan Meìtodeì K-Neìareìst Neìighbor, Deìcision Treìeì, Naiveì Bayeìs, Eìnseìmbleì Meìthods, dan Lineìar Reìgreìssion,” J. Soc. Sci. Reìs., vol. 3, no. 4, pp. 8667–8679, 2023.
[8] Muìhamad Adhi Muìkti, W. Wiyanto, and Ismasari Nawangsih, “Impleìmeìntasi Algoritma Naiveì Bayeìs Uìntuìk Preìdiksi Calon Peìneìrima Blt,” J. Inform. Teìknol. dan Sains, vol. 5, no. 3, pp. 383–392, 2023, doi: 10.51401/jinteìks.v5i3.3106.
[9] D. Azlil Huìriah and N. Dieìnwati Nuìris, “Klasifikasi Peìneìrima Bantuìan Sosial Uìmkm Meìngguìnakan Algoritma Naïveì Bayeìs,” JATI (Juìrnal Mhs. Teìk. Inform., vol. 7, no. 1, pp. 360–365, 2023, doi: 10.36040/jati.v7i1.6300.
[10] A. Feìbriyani, G. K. Prayoga, and O. Nuìrdiawan, “Indeìx Keìpuìasan Peìlanggan Informa deìngan Meìngguìnakan Algoritma C.45,” JUìRIKOM (Juìrnal Ris. Kompuìteìr), vol. 8, no. 6, p. 330, 2021, doi: 10.30865/juìrikom.v8i6.3686.
[11] P. A. Octaviani, Yuìciana Wilandari, and D. Ispriyanti, “Peìneìrapan Meìtodeì Klasifikasi Suìpport Veìctor Machineì (SVM) pada Data Akreìditasi Seìkolah Dasar (SD) di Kabuìpateìn Mageìlang,” J. Gauìssian, vol. 3, no. 8, pp. 811–820, 2014.