IMPLEMENTASI ALGORITMA NAIVE BAYES DAN C.45 UNTUK KLASIFIKASI PENERIMA BANTUAN SOSIAL DI DESA MINANGA SARI KABUPATEN LAMPUNG TIMUR

M Arep  Huda; Ahmad  Fauzi

M Arep Nurul Huda
Ahmad Fauzi

Keywords: Klasifikasi, Data mining, Naive bayes, C45, Bantuan social.

Abstract

Kemiskinan merupakan masalah lama yang belum terpecahkan dan sulit dipecahkan. Pemerintah sendiri telah melakukan beberapa upaya untuk mengentaskan kemiskinan melalui program kesejahteraan sosial serta dampak Covid-19 yang merusak perekonomian Pemkot khususnya Pemkot Marga Tiga yang tumbuh eksponensial di tahun 2021. Masih ada dukungan pemerintah untuk warga yang tidak tercukupi kebutuhannya Sosialisasi ketimpangan sosial dan undertargeting disebabkan validasi data yang salah. Penambangan data adalah metode komputasi untuk memecahkan masalah klasifikasi dan menggunakan algoritma Naive Bayes dan C4.5 untuk mengukur faktor kelayakan penerima manfaat yang berkorelasi dengan aturan produksi. Oleh karena itu, penulis mengimplementasikan dua algoritma, yang tujuannya adalah untuk memprediksi/mengklasifikasikan bantuan masyarakat desa dan mengetahui akurasi antara algoritma Naive Bayes dan C.45. Selain akurasi, penulis membandingkan dua algoritma, algoritma mana yang lebih cocok untuk menentukan bantuan masyarakat desa. Setelah dilakukan penelitian dengan kedua algoritma tersebut dan algoritma C.45 dengan akurasi 98%, hasil tersebut lebih besar dari algoritma naive Bayesian dengan akurasi 95%, sehingga algoritma C.45 lebih akurat untuk penentuannya. Para dermawan di Desa Margatiga.

References

[1] Angga, R., & Sundari, R., A., (2021). Data Mining Algoritma C4.5 menentukan Kelayakan Penerima Bantuan Covid 19.
[2] Bahtiar, (2020). Penerapan Algoritma Decision Tree untuk Memprediksi Penerima Bantuan Keluarga Harapan di Kecamatan Sumber Kabupaten Cirebon.
[3] Hendrian, S. (2018). Algoritma Klasifikasi Data Mining Untuk Memprediksi Siswa Dalam Memperoleh Bantuan Dana Pendidikan. Faktor Exacta, 11(3).
[4] Irmayansyah, I., & Firdaus, A. A. (2018). Penerapan Algoritma C4. 5 untuk Klasifikasi Penentuan Penerimaan Bantuan Langsung di Desa Ciomas. Teknois, 8(1), 17–28.
[5] Iskandar, D., & Suprapto, Y. K. (2016). Perbandingan Akurasi Klasifikasi Tingkat Kemiskinan Antara Algoritma C 4.5 Dan Naïve Bayes. Network Engineering Research Operation, 2(1).
[6] Magfiroh, Y. (2016). Rekomendasi penentuan penerima bantuan IURAN (PBI) menggunakan Klasifikasi Algoritma Naive Bayes.
[7] Muhammadd Sidik, Hendri., Dkk. (220). Klasifikasi kepuasan mahasiswa terhadap pelayanan perguruan tinggi menggunakan algoritma naïve bayes.
[8] Nurul, H., (2021), Seleksi Penerima Bantuan Pangan Non Tunai di Desa Menggunakan Metode Naive Bayes dan Simple Additive Weightin.g
[9] Rantoso, D. (2018). Sistem Pakar Diagnosa Penyakit Yang Disertai Demam Menggunakan Metode Naive Bayes Classifier. JMAI (Jurnal Multimedia & Artificial Intelligence), 2(2), 1–10.
[10] Santoso, H., Hariyadi, I. P., & Prayitno, P. (2016). Data Mining Analisa Pola Pembelian Produk Dengan Menggunakan Metode Algoritma Apriori.
Semnasteknomedia Online, 4(1), 3–7.
[11] Suyanto, D. M. U. K., & Data, K. (2019). Edisi Revisi. Bandung: Informatika Bandung.
[12] Shelly, J, S, T., Mita, F, F, S., & Amelia, (2021). Analisis perbandingan algoritma naive bayes dan c.45 dalam klasifikasi data mining untuk memprediksi kelulusan.
[13] Tabrani, M. (2016). Klasifikasi Penerima Beasiswa Kopertis Dengan Menggunakan Algoritma C. 45. Pilar Nusa Mandiri: Journal of Computing and Information System, 12(1), 72–80.
[14] Utamajaya, J. N., Putri, A. M. A., & Masnunah, S. (2020). Penerapan Algoritma NaḮve Bayes Untuk Penentuan Calon Penerima Beasiswa PIP Pada SDN 023 Penajam. J-Sim: Jurnal Sistem Informasi, 3(1), 11–17.
[15] Vulandari, R. T. (2017). Data Mining: Teori dan Aplikasi Rapidminer.
[16] Wati, M., & Hadi, A. (2016). Implementasi Algoritma Naive Bayesian Dalam Penentuan Penerima Program Bantuan Pemerintah. JTRISTE, 3(1), 22–26.
[17] Wisti, D, S., (2017), komparasi metode klasifikasi data mining algoritma c4.5 dan naive bayes untuk prediksi penyakit hepatitis.
[18] Yeni, M., (2016). Rekomendasi penentuan penerima bantuan iuran (pbi) menggunakan klasifikasi algoritma naive bayes.
[19] Zulfah, S. (2018). Pengaruh perkembangan teknologi informasi lingkungan (studi kasus kelurahan Siti Rejo I Medan). Buletin Utama Teknik, 13(2), 143–149