PENENTUAN KELAYAKAN CALON PENERIMA BANTUAN PEMERINTAH MENGGUNAKAN ALGORITMA NAÏVE BAYES DI SDN CITAMIANG 2 SUKABUMI

• YOVITA MARIA CATARINA
• 2020

---

ABSTRAK

 

Yovita Maria Catarina (19162342) Penentuan Kelayakan Calon Penerima Bantuan Pemerintah Menggunakan Algoritma Naïve Bayes Di SDN Citamiang 2 Sukabumi

Bantuan Siswa Miskin (BSM) merupakan salah satu bantuan yang diberikan oleh pemerintah kepada siswa yang berasal dari keluarga yang kurang mampu untuk dapat melaksanakan kegiatan belajar di sekolah. Tujuan dari BSM adalah untuk menjalankan dan mengamankan program pemerintah dalam penuntasan wajib belajar dua belas tahun agar dapat menghilangkan kesulitan siswa berpartisipasi untuk bersekolah dengan membantu siswa untuk memperoleh akses pelayanan pendidikan yang layak, mengurangi dan mencegah angka putus sekolah dan menarik siswa yang kurang mampu untuk bersekolah serta membantu siswa untuk memenuhi kebutuhan dalam kegiatan pembelajaran. Penelitan ini bertujuan untuk mengetahui apa saja faktor yang dapat mempengaruhi kriteria dan berapa banyak siswa yang layak atau tidak mendapatkan bantuan dengan menggunakan data sekunder yang berupa data penerimaan BSM sedangkan untuk metodenya menggunakan Algoritma Naïve Bayes karena didalam beberapa penelitian Algoritma Naïve Bayes ini terbukti memiliki performa yang baik dalam memprediksi serta menghasilkan nilai accuracy dan AUC yang tinggi. Pengujian Algoritma Naïve Bayes dilakukan pada Software RapidMiner5 sebagai pembanding antara hitungan manual dan hitungan software. Hasil dari pengujian tersebut memperoleh nilai akurasi sebesar 94,23%, dan nilai AUC sebesar 1,000 serta alur algoritma yang dapat diimplementasikan kedalam sebuah aplikasi berbasis website agar mempermudah pihak sekolah dalam memprediksi calon penerima BSM bisa lebih cepat, mudah, dan tepat sasaran

ABSTRACT

 

Yovita Maria Catarina (19162342) Eligibility determination of prospective beneficiaries using Naïve Bayes algorithm at SDN Citamiang 2 Sukabumi

Aid for poor students (BSM) is one of the assistance given by the Government to students who come from less able families to be able to conduct school activities. The aim of BSM is to operate and secure the government program in order to study twelve years to eliminate the difficulties students participate in attending school by assisting students in gaining proper access to educational services, reducing and preventing school dropouts and attracting underprivileged students to attend school and to assist students in fulfilling their needs in learning activities. The research aims to determine what are the factors that can influence the criteria and how many students are eligible or not get assistance using secondary data which is the acceptance data of BSM and for while for the method using the Naïve Bayes Algorithm because in several studies the Naïve Bayes Algorithm has proven to have a good performance in predicting and producing high accuracy and AUC values. Naïve Bayes Algorithm testing is performed on the RapidMiner5 Software as a comparison between manual counts and software counts. The results of the test obtained an accuracy value of 94,23%, and an AUC value of 1,000 and an algorithm that can be implemented into a website-based application to make it easier for schools to predict prospective BSM recipients can be faster, easier, and targeted.

• Bantuan Siswa Miskin (BSM)
• Pemerintah
• Algoritma
• Naive Bayes
• Aplikasi Berbasis Web

DAFTAR PUSTAKA

 

Assrani dkk. (2018). Penentuan Penerima Bantuan Siswa Miskin Menerapkan Metode Multi Objective Optimization on The Basis of Ratio Analysis (MOORA). JURIKOM (Jurnal Riset Komputer), 5(2407-389X (Media Cetak)), 1–5.

Berliana, M., Gito, M., & Agus, M. (2018). Analisis Pengaruh Penerimaan Grup Whatsapp Sebagai Sarana Komunikasi Dan Pembelajaran Antara Mahasiswa Dan Dosen Di Stt Wastukancana Purwakarta. 5(4), 455–464. https://doi.org/10.25126/jtiik

Butar, O. T. B. (2015). Sistem Pendukung Keputusan Rekomendasi Penerima Bantuan Siswa Miskin (BSM) Dengan Metode Simple Additive Weighting (SAW). Pelita Informatika Budi Darma, 9(April), 3. Retrieved from http://www.stmik-budidarma.ac.id//

Fatmawati, K., & Windarto, A. P. (2018). Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (Dbd) Berdasarkan Provinsi. Computer Engineering, Science and System Journal, 3(2), 173. https://doi.org/10.24114/cess.v3i2.9661

Fitriani, E. (2012). PERBANDINGAN ALGORITMA C4.5 DAN NAIVE BAYES UNTUK MENENTUKAN KELAYAKAN PENERIMA BANTUAN PROGRAM KELUARGA HARAPA N. Foreign Affairs. https://doi.org/10.1017/CBO9781107415324.004

Freeman. (2013). Perbandingan Algoritma C4.5. Journal of Chemical Information and Modeling, 53(9), 1689–1699. https://doi.org/10.1017/CBO9781107415324.004

Imandasari, T., Irawan, E., Windarto, A. P., & Wanto, A. (2019). Algoritma Naive Bayes Dalam Klasifikasi Lokasi Pembangunan Sumber Air. Prosiding Seminar Nasional Riset Information Science (SENARIS), 1(September), 750. https://doi.org/10.30645/senaris.v1i0.81

Kamagi, D. H., & Hansun, S. (2014). Implementasi Data Mining dengan Algoritma C4 . 5 untuk Memprediksi Tingkat Kelulusan Mahasiswa. VI(1), 15–20.

 

Kasus, S., Pt, P., Gunadi, G., & Sensuse, D. I. (2012). PENERAPAN METODE DATA MINING MARKET BASKET ANALYSIS TERHADAP DATA PENJUALAN PRODUK BUKU DENGAN MENGGUNAKAN ALGORITMA APRIORI DAN FREQUENT PATTERN GROWTH ( FP-GROWTH )?: 4(1).

Kristiani, L. E. (2015). Analisis Prosedur Kebijakan Pemberian Kredit Pada Bank Jatim Cabang Kediri.

Laia, D., Buulolo, E., Julyus, M., & Sirait, F. (2018). IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI PEMESANAN DRIVER GO-JEK ONLINE DENGAN MENGGUNAKAN METODE NAIVE BAYES ( STUDI KASUS?: PT . GO-JEK INDONESIA ). 2, 434–439.

Nofitri, R., & Irawati, N. (2019). ANALISIS DATA HASIL KEUNTUNGAN MENGGUNAKAN PENDAHULUAN Penerapan teknologi informasi saat ini berkembang begitu pesat . Salah satunya penerapan teknologi yang dapat diterapkan didunia industri yaitu untuk evaluasi terhadap kinerja perusahaan . Evaluasi me. V(2), 199–204.

Nono, I. U. (2018). Penerapan Algoritma Naive Bayes Untuk Prediksi Kepuasan. 10(1), 14–21.

Nugroho, Y. S. (2017). Penerapan Data Mining Untuk Prediksi Rating Penjualan Buku Menggunakan Metode Naive Bayes Sulastri * , Yusuf Sulistyo Nugroho. Duta.Com, 12(2), 57–72.

Promosi, S., Produk, K., Desain, D. A. N., Ganda, C. S., Camar, P. T., & Ganda, S. (2016). Strategi Promosi, Kualitas Produk, Dan Desain Terhadap Keputusan Pembelian Dan Minat Mereferensikan Rumah Pada Puri Camar Liwas Pt. Camar Sapta Ganda. Jurnal Berkala Ilmiah Efisiensi, 16(4), 488–500.

Rahmat C.T.I., B., Agidtama Gafar, A., Fajriani, N., Ramdani, U., Rihin Uyun, F., Purnamasari P., Y., & Ransi, N. (2017). Implemetasi k-means clustering pada rapidminer untuk analisis daerah rawan kecelakaan. Seminar Nasional Riset Kuantitatif Terapan 2017, (April), 58–60.

Rozzaqi, A. R. (2015). Naive Bayes dan Filtering Feature Selection Information Gain untuk Prediksi Ketepatan Kelulusan Mahasiswa. Jurnal Informatika UPGRIS, 1, 30–41.

Sains, S. N., Nasution, E. S., Lubis, S. U., & Informatika, P. T. (2018). Sistem Pendukung Keputusan Penerima Bantuan Siswa Miskin Menerapkan Metode WASPAS dan MOORA. 719–727.

Salim, A. (2015). MANAJEMEN PENDIDIKAN KARAKTER DI MADRASAH (Sebuah Konsep dan Penerapannya). Tarbawi, 1(02), 1–16.

Sambani, E. B., & Nuraeni, F. (2018). Penerapan Algoritma C4.5 Untuk Klasifikasi Pola Penjurusan di Sekolah Menengah Kejuruan (SMK) Kota Tasikmalaya. CSRID (Computer Science Research and Its Development Journal), 9(3), 144. https://doi.org/10.22303/csrid.9.3.2017.144-152

Santoso, P. P., & Artikel, I. (2019). Pelita Teknologi?: Jurnal Ilmiah Informatika , Arsitektur dan Lingkungan VALIDATION. 14(September), 145–153.

Widayu, H., Darma, S., Silalahi, N., & Mesran. (2017). Data Mining Untuk Memprediksi Jenis Transaksi Nasabah Pada Koperasi Simpan Pinjam Dengan Algoritma C4.5. Issn 2548-8368, Vol 1, No(June), 7.

Yanti, U. M. (2018). Universitas medan area.