Perbandingan Algoritma Naïve Bayes, C4.5, dan K-Nearest Neighbor untuk Klasifikasi Kelayakan Program Keluarga Harapan

Putri Ramadani; Riszki  Fadillah; Quratih  Adawiyah; Suerni Suerni; Baginda Restu  Al Ghazali

doi:10.55338/jumin.v6i1.6083

Authors

Putri Ramadani, Institut Teknologi dan Kesehatan Ika Bina, Indonesia
Riszki Fadillah, Institut Teknologi dan Kesehatan Ika Bina, Indonesia
Quratih Adawiyah, Institut Teknologi dan Kesehatan Ika Bina, Indonesia
Suerni Suerni, Institut Teknologi dan Kesehatan Ika Bina, Indonesia
Baginda Restu Al Ghazali, Institut Teknologi dan Kesehatan Ika Bina, Indonesia

DOI:

https://doi.org/10.55338/jumin.v6i1.6083

Keywords:

Klasifikasi, PKH, Naïve Bayes, C4.5, K-Nearest Neighbor, Machine Learning

Abstract

Penelitian ini bertujuan membandingkan kinerja tiga algoritma klasifikasi—Naïve Bayes, C4.5, dan K-Nearest Neighbor (K-NN)—dalam menentukan kelayakan penerima Program Keluarga Harapan (PKH) di Rantau Prapat. Dataset terdiri dari 109 data keluarga dengan variabel seperti pendapatan, jumlah tanggungan, status pekerjaan, dan kepemilikan aset. Pengolahan dan analisis data dilakukan menggunakan RapidMiner Studio, dengan evaluasi kinerja berdasarkan akurasi, presisi, recall, dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa algoritma C4.5 memberikan kinerja terbaik dengan akurasi 91,8%, presisi 90,7%, recall 92,3%, dan AUC 0,944. Naïve Bayes mencatat akurasi 87,2% dan recall 88,9%, sedangkan K-NN menghasilkan akurasi 89,9% dan recall 91,1%, namun memerlukan komputasi lebih tinggi. Temuan ini menunjukkan bahwa C4.5 lebih efektif dalam mengklasifikasikan kelayakan penerima PKH secara akurat dan efisien. Penelitian ini menegaskan potensi algoritma machine learning dalam mendukung pengambilan keputusan pada program bantuan sosial. Studi lanjutan disarankan untuk memperluas cakupan data dan mengeksplorasi metode klasifikasi lainnya guna optimalisasi distribusi bantuan.

Downloads

Download data is not yet available.

References

Kementerian Sosial Republik Indonesia, Panduan Pelaksanaan Program Keluarga Harapan (PKH), Jakarta: Kemensos RI, 2022.

S. Hidayat and R. Suryadi, “Analisis Kelayakan Penerima Bantuan Sosial Menggunakan Metode Manual dan Otomatis,” Jurnal Kebijakan Sosial, vol. 5, no. 2, pp. 115–124, 2021.

L. Ramadhani, “Evaluasi Ketepatan Penyaluran Bantuan PKH: Kajian Empiris,” Jurnal Ilmu Kesejahteraan Sosial, vol. 10, no. 1, pp. 45–53, 2022.

J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed. San Francisco, CA: Morgan Kaufmann, 2011.

T. M. Mitchell, Machine Learning. New York, NY: McGraw-Hill, 1997.

D. T. Larose and C. D. Larose, Data Mining and Predictive Analytics, 2nd ed. Hoboken, NJ: Wiley, 2015.

I. H. Witten, E. Frank, M. A. Hall, and C. J. Pal, Data Mining: Practical Machine Learning Tools and Techniques, 4th ed. Burlington, MA: Morgan Kaufmann, 2016.

A. Setiawan and A. Indrawan, “Implementasi Algoritma C4.5 untuk Seleksi Penerima BLT,” Jurnal Informatika dan Sistem Informasi, vol. 6, no. 1, pp. 23–30, 2020.

R. Sugianto and A. Maulana, “Penerapan Data Mining untuk Klasifikasi Penerima Bantuan Sosial dengan Algoritma C4.5,” Jurnal Teknologi Informasi dan Komunikasi, vol. 8, no. 2, pp. 87–94, 2021.

R. Wulandari, A. Santoso, and M. Nugroho, “Evaluasi Distribusi Bantuan Sosial Menggunakan Algoritma C4.5,” Jurnal Sains Komputer dan Informatika, vol. 9, no. 1, pp. 15–21, 2022.

H. Fauzi and D. Nurdin, “Analisis Ketepatan Penyaluran Dana Bantuan dengan Data Mining,” Jurnal Ilmu Komputer dan Sistem Informasi, vol. 7, no. 3, pp. 60–67, 2020.

A. Pratama and Y. Siregar, “Klasifikasi Penerima PKH Menggunakan Algoritma Naïve Bayes dan C4.5 di Sumatera Utara,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 4, no. 2, pp. 112–118, 2021.

I. Lestari and M. Zulkarnaen, “Perbandingan Kinerja Algoritma Klasifikasi untuk Penentuan Kelayakan Bantuan Sosial,” Jurnal Data Mining dan Sistem Cerdas, vol. 3, no. 1, pp. 30–38, 2022.

RapidMiner, “RapidMiner Studio Documentation,” [Online]. Available: https://docs.rapidminer.com. [Accessed: Apr. 20, 2025].

A. N. Rahmawati and S. Firmansyah, “Decision Support System for Social Assistance Using Data Mining Approach,” International Journal of Computer Applications, vol. 179, no. 20, pp. 12–17, 2018.

S. Puspitasari, “Model Data Mining untuk Distribusi Bantuan Tepat Sasaran,” Jurnal Teknologi dan Sistem Komputer, vol. 9, no. 4, pp. 205–212, 2021.

M. Kamber, J. Han, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed. San Francisco, CA: Morgan Kaufmann, 2011.