Penerapan Model Machine Learning Untuk Menentukan Klasifikasi Jenis Bantuan Sosial

Penulis

  • Nurvelly Rosanti Universitas Muhammadiyah Jakarta
  • Muhammad Iqbal Universitas Muhammadiyah Jakarta
  • Sirojul Munir STT Terpadu Nurul Fikri

DOI:

https://doi.org/10.54914/jtt.v8i2.604

Kata Kunci:

Bantuan Sosial, Certainty Factor, Confusion Matrix, Decision Tree, Naïve Bayes

Abstrak

Pemerintah Provinsi DKI Jakarta memiliki program bantuan sosial yang dianggarkan oleh APBD berupa program Kartu Lansia Jakarta (KLJ), Kartu Penyandang Disabilitas Jakarta (KPDJ) dan Kartu Anak Jakarta (KAJ). Permasalahan yang terjadi di tingkat Kelurahan terkait bantuan sosial yaitu kesulitan menentukan jenis bantuan yang tepat diperoleh warga sesuai dengan syarat dan kriteria yang sudah ditentukan Pemerintah serta tidak terjadi tumpang tindih penerima bantuan. Faktor pendaftaran  serta kurangnya pemahaman warga terkait kriteria jenis bantuan sosial mengakibatkan penentuan penerima bantuan sosial belum tepat sasaran seperti warga penerima bantuan yang tidak sesuai dengan kriteria sehingga mengakibatkan kecemburuan sosial. Untuk membantu permasalahan tersebut dilakukan penelitian untuk menentukan model terbaik dalam klasifikasi jenis bantuan sosial berdasarkan kriteria penerima dengan membandingkan tiga metode klasifikasi. Penelitian ini menggunakan 100 data responden dan 8 kriteria yang digunakan sebagai penentu penerima. Perbandingan model Certainty Factor, Naïve Bayes dan Decision Tree akan memberikan gambaran model terbaik berdasarkan tingkat akurasi.  Confusion matrix digunakan untuk menguji akurasi untuk Naïve Bayes dan Decision Tree dan luaran dari model yang terpilih adalah aplikasi berbasis web yang dapat memberikan rekomendasi jenis bantuan sosial. Hasil akurasi terbaik adalah Certainty Factor yaitu 98,4%, Naïve Bayes dan Decision Tree adalah 93,3%.

Unduhan

Data unduhan belum tersedia.

Referensi

Y. P. Gratia, P. Issak Benyamin, Y. Sumarno, dan V. Wariki, “Pengembangan Model Pendidikan Agama Kristen Bagi Anak Korban Kemiskinan,” J. Ecodunamika, vol. 3, no. 1, hal. 1, 2020.

D. Ardiansyah, W. Suharso, dan G. I. Marthasari, “Analisis Penerima Bantuan Sosial menggunakan Bayesian Belief Network,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 2, no. 2, hal. 506–513, 2018, doi: 10.29207/resti.v2i2.447.

P. D. Pergub DKI Jakarta, “Gubernur Daerah Khusus Ibukota Jakarta,” vol. 2019, no. 93, hal. 9–11, 2021.

A. Damuri, U. Riyanto, H. Rusdianto, dan M. Aminudin, “Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako,” J. Ris. Komput., vol. 8, no. 6, hal. 219–225, 2021, doi: 10.30865/jurikom.v8i6.3655.

L. Qadrini, A. Seppewali, dan A. Aina, “Decision Tree dan Adaboost Pada Klasifikasi Penerima Program Bantuan Sosial,” J. Inov. Penelit., vol. 2, no. 7, hal. 1959–1966, 2021.

H. Jamaludin, “Aplikasi Metode Certainty Factor Pada Pengembangan Sistem Pengklasifikasi Anak Berkebutuhan Khusus,” vol. 03, hal. 132–143, 2013.

J. P. Jiawei Han, Micheline Kamber, Data Mining : Concepts and Technicques, 3rd Editio. Morgan Kaufmann, 2012.

A. Sucipto, Y. Fernando, R. I. Borman, dan N. Mahmuda, “Penerapan Metode Certainty Factor Pada Diagnosa Penyakit Saraf Tulang Belakang,” J. Ilm. FIFO, vol. 10, no. 2, hal. 18, 2019, doi: 10.22441/fifo.2018.v10i2.002.

D. Novianti, “Implementasi Algoritma Naïve Bayes Pada Data Set Hepatitis Menggunakan Rapid Miner,” Paradig. - J. Komput. dan Inform., vol. 21, no. 1, hal. 49–54, 2019, doi: 10.31294/p.v21i1.4979.

D. Wilandini dan Purwnatoro, “Penerapan Algoritma Naive Bayes Dalam Mengklasifikasikan Media Sosial Untuk Mengamati Trend Kuliner,” vol. 8, no. 1, hal. 31–39, 2022, [Daring]. Tersedia pada: https://journal.nurulfikri.ac.id/index.php/jtt.

F. J. Kaunang, “Penerapan Algoritma J48 Decision Tree Untuk Analisis Tingkat Kemiskinan di Indonesia,” CogITo Smart J., vol. 4, no. 2, hal. 348, 2019, doi: 10.31154/cogito.v4i2.141.348-357.

V. Podgorelec dan M. Zorman, “Decision Tree Learning,” in Encyclopedia of Complexity and Systems Science, 2015.

R. K. Amin, Indwiarti, dan Y. Sibaroni, “Implementasi Klasifikasi Decision Tree Dengan Algoritma C4 . 5 Dalam Pengambilan Keputusan Permohonan Kredit Oleh Debitur,” e-Proceeding Eng., vol. 2, no. 1, 2015.

S. Visa, B. Ramsay, A. Ralescu, dan E. Van der Knaap, “Edited by Sofia Visa, Atsushi Inoue, and Anca Ralescu,” in Maics, 2011, vol. 710, hal. 120–127.

M. T. Prihandoyo, “Unified Modeling Language (UML) Model Untuk Pengembangan Sistem Informasi Akademik Berbasis Web,” J. Inform. J. Pengemb. IT, vol. 3, no. 1, hal. 126–129, 2018.

##submission.downloads##

Diterbitkan

2022-12-26

Cara Mengutip

[1]
N. Rosanti, M. Iqbal, dan S. Munir, “Penerapan Model Machine Learning Untuk Menentukan Klasifikasi Jenis Bantuan Sosial ”, j. teknologi terpadu, vol. 8, no. 2, hlm. 127–135, Des 2022.

Terbitan

Bagian

Artikel