Penentuan Kelayakan Penerimaan Bantuan Program Indonesia Pintar (PIP) menggunakan Algoritma C4.5
DOI:
https://doi.org/10.24114/cess.v10i1.65099Keywords:
Data mining, Algoritma C4.5, Pohon Keputusan, Penentuan Kelayakan, Program Indonesia Pintar (PIP)Abstract
Program Indonesia Pintar (PIP) adalah inisiatif bantuan sosial yang diperkenalkan oleh pemerintah Indonesia untuk membantu siswa dari keluarga yang tidak mampu agar dapat melanjutkan pendidikan mereka tanpa kesulitan keuangan. Untuk memperoleh PIP, calon penerima bantuan harus termasuk dalam kategori layak sebagai penerima bantuan. Penelitian ini bertujuan untuk menentukan kelayakan penerima bantuan PIP di SDN 064999 Medan menggunakan algoritma C4.5 yang mana digunakan dalam membentuk pohon keputusan. Dalam penelitian ini, data yang digunakan adalah data siswa SDN 064999 Medan yang telah menerima bantuan PIP pada tahun 2023. Hasil penelitian menunjukkan bahwa algoritma C4.5 membentuk pohon keputusan yang baik untuk memprediksi kelayakan penerima bantuan PIP. Pohon keputusan tersebut menunjukkan bahwa atribut yang paling penting untuk memprediksi kelayakan penerima bantuan PIP adalah atribut pendapatan orangtua, status pekerjaan orangtua, dan jumlah tanggungan orangtua. Dari penelitian ini juga diperoleh 10 rules / aturan dalam penentuan kelayakan penerima bantuan PIP dengan algoritma C4.5. Hasil penelitian ini dapat digunakan untuk membantu dalam proses seleksi penerima bantuan PIP dan untuk memastikan bahwa bantuan tersebut tepat sasaran.References
[1] W. B. Yusup, B. Ismanto, Wasitohadi, “Evaluasi Program Indonesia Pintar dalam Peningkatan Akses Pendidikan di Sekolah Menengah Pertama”, Kelola Jurnal Manajemen Pendidikan, vol. 6, no. 1, pp. 44-53, 2019. doi: https://doi.org/10.24246/j.jk.2019.v6.M1.p44-53.
[2] P. M. Rakista, “Implementasi Kebijakan Program Indonesia Pintar (PIP) (Studi Kasus pada Sekolah Dasar di Kabupaten Banyumas)”, SAWALA : Jurnal Administrasi Negara, vol. 8, no. 2, pp. 224-232, 2022. doi: https://doi.org/10.30656/sawala.v8M2.2774.
[3] F. Mulyani, E. Ridwan, and M.Nazer, “Efektivitas Program Indonesia Pintar terhadap Partisipasi Sekolah di Kawasan Barat dan Timur Indonesia”, Jurnal Informatika Ekonomi Bisnis, vol. 5, no.4, pp. 1328 – 1332. doi: https://doi.org/10.37034/infeb.v5M4.652.
[4] S. Hamdi, R. Setiawan, F. Musydad, “Evaluation of the Implementation of Indonesia Pintar Program in Vocational School”, Jurnal Penelitian dan Evaluasi Pendidikan, vol. 24, no. 1, pp. 102-115, 2020. doi: https://doi.org/10.21831/pep.v24M1.32603.
[5] A. Fortino, Data Mining and Predictive Analytics: A Case Study Approach. Virginia, USA: Mercury Learning and Information, 2023.
[6] D. D. Sahan Thiranjaya and C. R. Liyanage, “A Data Mining Approach to Recommend Idyllic Business Opportunities”, in IEEE International Conference on Information and Automation for Sustainability (ICIAfS), pp. 71 – 75, 2021. doi: 10.1109/ICIAfS52090.2021.9606107.
[7] H. Zhang, Y. Li, C. Shen, H. Sun, and Y. Yang, “The Application of Data Mining In Finance Industry Based on Big Data Background”, in IEEE International Conference on High Performance Computing and Communications (HPCC), pp. 1536 – 1539, 2015. doi: 10.1109/HPCC-CSS-ICESS.2015.198.
[8] E. Shirzad, G. Ataei, and H. Saadatfar, “Applications of data mining in healthcare area: A survey”, Engineering and Applied Science Research, vol. 48, no. 3, pp. 314-323, 2021. doi: 10.14456/easr.2021.34.
[9] E. D. Madyatmadja, D. Pristinella, M. D. K. Dewa, H. Nindito, and C. Wijaya, “Data Mining Techniques of Complaint Reports for E-government: A Systematic Literature Review”, in IEEE International Conference on Information Management and Technology (ICIMTech), pp. 841 – 846, 2020. Doi: 10.1109/ICIMTech50083.2020.9211277.
[10] J. Ye and L. Hou, “Improvement and Application of Decision Tree C4.5 Algorithm”, in 2018 International Conference on Computer, Communication and Network Technology (CCNT 2018), pp. 127 – 133, 2018. doi: 10.12783/dtcse/CCNT2018/24686.
