PERBANDINGAN ALGORITMA C4.5 DAN NAÏVE BAYES UNTUK MENENTUKAN KELAYAKAN PENERIMA BANTUAN PROGRAM KELUARGA HARAPAN

Eka Fitriani

Abstract


ABSTRACT

PKH adalah program yang memberikan bantuan tunai bersyarat kepada Rumah Tangga Sangat Miskin yang telah ditetapkan sebagai peserta PKH dengan ketentuan tertentu. Permasalahan yang sering terjadi pada program pemberdayaan Pemerintah ini, salah satunya pada bantuan PKH adanya tidak tepat sasaran warga yang menerima bantuan PKH. Munculnya masalah tersebut, diakibatkan verifikasi data yang belum efektif terhadap pemilihan warga yang layak menerima bantuan PKH. Oleh karena itu perlu dilakukan analisis mengenai PKH sehingga dapat mengetahui kelayakan dari suatu permasalahan Program PKH. Melalui hasil analisis PKH, dapat diketahui apakah warga layak atau tidak dari permasalahan yang ada digunakan komparasi metode klasifikasi data mining untuk mengetahui algoritma mana yang baik untuk memprediksi kelayakan warga yaitu dengan menggunakan dua algoritma yaitu algoritma C4.5 dan Naïve Bayes. Setelah dilakukan pengujian dengan dua algoritma tersebut menggunakan tools RapidMiner didapatkan hasil yaitu algoritma C4.5 menghasilkan nilai akurasi sebesar 91,25% dan nilai AUC sebesar 0,930 dengan tingkat diagnosa Excellent Classification sedangkan algoritma Naïve Bayes menghasilkan nilai akurasi sebesar 87,11% dan nilai AUC sebesar 0,923 dengan tingkat diagnosa Excellent Classification. Sehingga didapat kesimpulan algoritma C4.5 merupakan algoritma yang baik untuk diterapkan pada kelayakan PKH.

 

Kata kunci: Kelayakan PKH, Data Mining, C4.5, Naïve Bayes


Full Text:

PDF

References


REFERENSI

I. Kurniawan And R. A. Saputra, “Penerapan Algoritma C5 . 0 Pada Sistem Pendukung Keputusan Kelayakan Penerimaan Beras Masyarakat Miskin,” J. Inform., Vol. 4, No. 2, Pp. 236–240, 2017.

D. Iskandar And Y. K. Suprapto, “Perbandingan Akurasi Klasifikasi Tingkat Kemiskinan Antara Algoritma C 4.5 Dan Naïve Bayes,” Ilm. Nero, Vol. 2, No. 1, Pp. 37–43, 2015.

N. Iriadi And N. Nuraeni, “Kajian Penerapan Metode Klasifikasi Data Kelayakan Kredit Pada Bank,” J. Tek. Komput. Amik Bsi, Vol. Ii, No. 1, Pp. 132–137, 2016.

S. Anjarwati, “Penerima Bantuan Program Keluarga Harapan ( Pkh ) Dengan Metode Ahp Dan Promethee ( Studi Kasus Pada Kelurahan Kudaile Slawi ),” Vol. 4, No. 1, 2017.

E. Rahmawati, “Vol. Xii No. 2, September 2015 Jurnal Techno Nusa Mandiri,” Techno Nusa Mandiri, Vol. Xii, No. 2, Pp. 21–26, 2015.

U. Pauziah, “Kajian Komparasi Algoritma C4 . 5 , Naïve Bayes Dan Neural Network Dalam Pemilihan Penerima Beasiswa ( Studi Kasus Pada Sma Muhammadiyah 4 Jakarta ),” Vol . 1 No . 1, Vol. 1, No. 1, Pp. 2527 – 9661, 2016.

R. Thoplan, “International Journal Of Sciences : Random Forests For Poverty Classification,” No. August, 2014.

S. A. Purwanto, Sumartono, And M. Makmur, “Implementasi Kebijakan Program Keluarga Harapan (Pkh) Dalam Memutus Rantai Kemiskinan (Kajian Di Kecamatan Mojosari Kabupaten Mojokerto),” Wacana, Vol. 16, No. 2, Pp. 79–96, 2013.

D. A. N. P. Kemiskinan, “Program Keluarga Harapan ( Pkh ): Antara Perlindungan Sosial,” 2016.

N. Nuraeni, “Penentuan Kelayakan Kredit Dengan Algoritma Naïve Bayes Classifier : Studi Kasus Bank Mayapada Mitra Usaha Cabang Pgc,” Vol. Iii, No. 1, Pp. 9–15, 2017.

A. Puspita And M. Wahyudi, “Algoritma C4.5 Berbasis Decision Tree Untuk Prediksi Kelahiran Bayi Prematur,” Pp. 97–102, 2015.

D. Iskandar And Y. K. Suprapto, “Perbandingan Akurasi Klasifikasi Tingkat Kemiskinan Antara Algoritma C4 . 5 Dan Naïve Bayes Clasifier,” Java J. Electr. Electron. Eng., Vol. 11, No. 1, Pp. 14–17, 2013.

A. Mukminin And D. Riana, “Komparasi Algoritma C4 . 5 , Naïve Bayes Dan Neural Network Untuk Klasifikasi Tanah,” Vol. 4, No. 1, Pp. 21–31, 2017.

T. Arifin, “Metode Data Mining Untuk Klasifikasi Data Sel Nukleus Dan Sel Radang Berdasarkan Analisa Tekstur,” Informatika, Vol. Ii, No. 2, Pp. 425–433, 2015.

S. Hanggara, T. M. Akhriza, And M. Husni, “Aplikasi Web Untuk Analisis Sentimen Pada Opini Produk Dengan Metode Naive Bayes Classifier,” Semin. Nas. Inov. Dan Apl. Teknol. Di Ind. 2017, Pp. 1–6, 2017.

L. A. Utami, “Melalui Komparasi Algoritma Support Vector Machine Dan K-Nearest Neighbor Berbasis Particle Swarm Optimization,” Vol. 13, No. 1, Pp. 103–112, 2017.

M. D. Tree, R. Forest, R. D. L. P, C. Fatichah, D. Purwitasari, And A. Twitter, “Deteksi Gempa Berdasarkan Data Twitter,” Vol. 6, No. 1, Pp. 159–162, 2017.

A. Purwanto And E. A. Darmadi, “Perbandingan Minat Siswa Smu Pada Metode Klasifikasi Menggunakan 5 Algoritma,” J. Ikraith-Informatika, Vol. 2, No. 1, Pp. 43–47, 2018.

R. D. Probo, B. Irawan, R. Rumani, M. 3, P. S1, And S. Komputer, “Analisis Dan Implementasi Perbandingan Algoritma Knn (K- Nearest Neighbor) Dengan Svm (Support Vector Machine) Untuk Prediksi Penawaran Produk Comparative Analysis And Implementation Of Knn (K-Nearest Neighbor) With Svm (Support Vector Machine) Algorithm ,” Vol. 3, No. 3, Pp. 4988–4995, 2016.




DOI: https://doi.org/10.32520/stmsi.v9i1.596

Article Metrics

Abstract view : 242 times
PDF - 131 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.