Implementasi Metode Naive Bayes dan TOPSIS dalam Aplikasi Corporate E-Funding untuk Klasifikasi dan Prioritisasi Program Kegiatan Sosial

Abstract

Proses seleksi proposal Corporate Social Responsibility (CSR) saat ini masih dilakukan secara manual dan membutuhkan waktu yang cukup lama, sehingga kurang efisien bagi perusahaan maupun penyelenggara kegiatan sosial. Penelitian ini mengusulkan pendekatan baru dengan mengintegrasikan algoritma Naïve Bayes Classifier dan metode TOPSIS untuk mengotomatisasi sistem penilaian kelayakan proposal CSR. Kontribusi utama penelitian ini adalah pengembangan framework hibrid yang mampu melakukan klasifikasi awal menggunakan Naïve Bayes kemudian memberikan ranking prioritas melalui TOPSIS berdasarkan empat kriteria: Bobot Eksternal (BE), Penyajian Proposal (PP), Kelengkapan Proposal (KP), dan Manfaat Proposal (MP). Sistem diuji menggunakan 150 proposal dari berbagai kategori kegiatan sosial dengan pembagian 120 data training dan 30 data testing. Hasil evaluasi menunjukkan akurasi klasifikasi sebesar 87.5% dan nilai consistency ratio TOPSIS 0.08, mengindikasikan konsistensi penilaian yang baik. Pengujian terhadap dua kasus nyata menunjukkan bahwa proposal "Lomba Kreativitas Sampah" berhasil dikategorikan layak dengan skor TOPSIS 0.742, sedangkan "Indonesia Fashion Week 2016" dinyatakan tidak layak dengan skor 0.328. Sistem telah mencapai Technology Readiness Level (TRL) 6 dengan prototype yang terintegrasi dan divalidasi dalam lingkungan operasional. Implementasi sistem ini terbukti dapat mengurangi waktu proses seleksi dari rata-rata 14 hari menjadi 2 hari, memberikan kontribusi signifikan dalam efisiensi dan transparansi proses pengambilan keputusan CSR perusahaan.