Analisis Model Klasifikasi Penerima Bantuan Langsung Tunai Menggunakan Algoritma Naive Bayes
DOI:
https://doi.org/10.24114/cess.v10i2.67178Keywords:
Machine Learning, Klasifikasi, Naive Bayes, BLTAbstract
Bantuan Langsung Tunai (BLT) menjadi salah satu kebijakan Pemerintah dalam memenuhi hak jaminan sosial masyarakat. Penyaluran BLT didasarkan untuk membantu masyarakat miskin agar dapat tetap memenuhi kebutuhannya sehingga menjadi stimulus dalam mempercepat pemulihan ekonomi nasional. Namun dalam implementasinya, proses penyaluran penerima BLT kerap menimbulkan subjektifitas dan keakuratan data yang rendah, sehingga tidak menyentuh secara optimal kepada penerima manfaat, yang berpotensi mempengaruhi stabilitas sosial. Penelitian ini bertujuan untuk melakukan analisis dan perancangan model untuk sistem klasifikasi penerima Bantuan Lansung Tunai (BLT). Penelitian ini menggunakan konsep Machine Learning dengan menerapkan algoritma Naïve Bayes, yang diklasifikasi kedalam tiga parameter kriteria yaitu sangat layak, layak, dan tidak layak. Penerapan model dilakukan dengan menggunakan dataset masyarakat Kecamatan Citta Kabupaten Soppeng. Jumlah data yang digunakan sebanyak 8.046 record sesuai dengan jumlah penduduk Kecamatan Citta yang diperoleh dari BPS Kabupaten Soppeng dan pendataan langsung di lapangan. Dari hasil pengujian model, diperoleh hasil nilai Accuracy sebesar 88.89%, nilai Precision sebesar 89% Recall sebesar 89% dan nilai F1-Score sebesar 89%.References
[1] D. Sampulawa, J. Tuharea, and T. Gaite, “Implementasi Bantuan Langsung Tunai Desa Terhadap Masyrakat Ekonomi Lemah di Dusun Lirang Desa Luhu,” JETISH: Journal of Education Technology Information Social Sciences and Health, vol. 1, no. 1, Art. no. 1, Jan. 2023, doi: 10.57235/jetish.v1i1.59.
[2] R. Ririn and L. Suryani, “Efektivitas Bantuan Langsung Tunai Dana Desa (BLT-DD) Di Desa Bamban Kecamatan Benua Lima Kabupaten Barito Timur,” JAPB, vol. 4, no. 2, Art. no. 2, Dec. 2021.
[3] PERPRES 104 2021, “PERPRES No. 104 Tahun 2021.” Accessed: Mar. 26, 2024. [Online]. Available: http://peraturan.bpk.go.id/Details/188354/perpres-no-104-tahun-2021
[4] PMK 146 2023, “Peraturan Menteri Keuangan PMK 146 TAHUN 2023 | JDIH Kementerian Keuangan.” Kementerian Keuangan RI, Dec. 28, 2023. Accessed: Mar. 18, 2024. [Online]. Available: https://jdih.kemenkeu.go.id/in/dokumen/
[5] BAPPENAS, “Panduan Pendataan Bantuan Langsung Tunai Dana Desa.” BAPPENAS, 2020. [Online]. Available: https://sikompak.bappenas.go.id/
[6] A. Wulandari and L. Suryani, “Pendataan & Penetapan Calon Penerima Bantuan Langsung Tunai Dana Desa (BLT-DD) di Desa Argo Mulyo Kecamatan Bintang Ara Kabupaten Tabalong,” JAPB, vol. 5, no. 1, Art. no. 1, May 2022.
[7] I. N. T. A. Putra, K. S. Kartini, I. G. I. Sudipa, F. Muharam, and I. M. Muryasa, “Sistem Pendukung Keputusan Penerima Bantuan Langsung Tunai Menggunakan Metode Promethee,” Kesatria: Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen), vol. 4, no. 2, Art. no. 2, Apr. 2023, doi: 10.30645/kesatria.v4i2.179.
[8] N. Nurahman and J. Susanto, “Klasterisasi Data Penerima Bantuan Langsung Tunai Menggunakan Algoritma K-Means,” JURIKOM (Jurnal Riset Komputer), vol. 10, no. 2, Art. no. 2, Apr. 2023, doi: 10.30865/jurikom.v10i2.5807.
[9] K. O. Putra and M. Jannah, “Rancang Bangun Sistem Informasi Penerima Bantuan Langsung Tunai (BLT) di Kecamatan Mandau Berbasis Web,” JSR : Jaringan Sistem Informasi Robotik, vol. 7, no. 1, p. 105, Apr. 2023, doi: 10.58486/jsr.v7i1.229.
[10] D. Kurniawan, Pengenalan machine learning dengan python, Cetakan kedua, April 2021. Jakarta: PT Elex Media Komputindo, 2021. Accessed: Mar. 27, 2024. [Online]. Available: https://opac.perpusnas.go.id/DetailOpac.aspx?id=1414752#
[11] B. Mahesh, “Machine Learning Algorithms - A Review,” IJSR, vol. 9, no. 1, pp. 381–386, Jan. 2020, doi: 10.21275/ART20203995.
[12] M. Kumar, S. Ali Khan, A. Bhatia, V. Sharma, and P. Jain, “Machine Learning Algorithms: A Conceptual Review,” in 2023 1st International Conference on Intelligent Computing and Research Trends (ICRT), Roorkee, India: IEEE, Feb. 2023, pp. 1–7. doi: 10.1109/ICRT57042.2023.10146678.
[13] I. Id, Machine Learning: Teori, Studi Kasus dan Implementasi Menggunakan Python. 2021. doi: 10.5281/zenodo.5113507.
[14] R. Rachman and R. N. Handayani, “Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM,” Jurnal Informatika, vol. 8, no. 2, Art. no. 2, Aug. 2021, doi: 10.31294/ji.v8i2.10494.
[15] N. Riyanah and F. Fatmawati, “Penerapan Algoritma Naive Bayes Untuk Klasifikasi Penerima Bantuan Surat Keterangan Tidak Mampu,” JTIM: Jurnal Teknologi Informasi dan Multimedia, vol. 2, no. 4, Art. no. 4, Feb. 2021, doi: 10.35746/jtim.v2i4.117.
[16] A. Surahman and U. Hayati, “Implementasi Algoritma Naïve Bayes Untuk Prediksi Penerima Bantuan Sosial,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 1, Art. no. 1, Mar. 2023, doi: 10.36040/jati.v7i1.6302.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 CESS (Journal of Computer Engineering, System and Science)
This work is licensed under a Creative Commons Attribution 4.0 International License.
