Implementasi Metode naïve bayes Pada Penentuan Bantuan Sosial Dalam Masa Pandemi Covid – 19.
Abstract
Abstrak- Pandemi COVID-19 tidak hanya mengakibatkan peningkatan jumlah kasus positif yang disebabkan, namun wabah tersebut juga menyebabkan dampak lain berupa peningkatan angka kemiskinan, serta kerawanan keamanan dan akhirnya berdampak terhadap segala aspek kehidupan masyarakat. Salah satu usaha dari pihak pemerintah dan swasta dalam rangka menanggulangi masalah pandemi covid 19 yaitu dengan memberikan bantuan sosial. Penelitian ini bertujuan untuk mengklasifikasi penerimaan bantuan sosial dengan menggunakan metode naïve bayes selama pandemi covid-19. Data yang digunakan meliputi data dengan kriteria keluarga miskin yang terdampak virus corona, dan bukan penerima bantuan program keluarga harapan (Pkh) dan juga bukan merupakan penerima bantuan pangan non tunai (Bpnt). Data yang diambil dalam penelitian ini adalah data dari google form,qousioner, dan data dari dinas sosial kabupaten aceh utara. Data yang digunakan data selama covid-19 yaitu pada tahun 2020. Unjuk kerja algortima naïve bayes yang diterapkan pada sistem klasifikasi penerimaan bantuan sosial ini dari 10 data pengujian dengan 300 data training mendapatkan hasil bahwa Keakuratan dalam klasifikasi tergantung pada banyaknya data latih yang digunakan. Tingkat keakurasian sistem klasifikasi penerimaan bantuan sosial dengan menggunakan algoritma naïve bayes yaitu data latih yang diberikan 100 dengan menggunakan 10 data uji maka hasil akurasi yang di dapatkan yaitu 30 % kelayakan nya, Dan dengan data latih = 200 dan diberikan 10 data uji maka hasil akurasi yang di dapatkan yaitu 50 % tingkat akurasi kelayakan nya dan juga diberikan data latih = 300 dengan data uji 10 maka hasil akurasi yang di dapatkan yaitu 70 % tingkat keakurasian nya. Berdasarkan hasil dari pembahasan dan pengujian sistem, maka didapatkan kesimpulan bahwa penelitian ini memiliki sistem yang cerdas yaitu dengan Semakin besar data latih yang ditentukan maka tingkat keakurasian yang didapatkan akan semakin tinggi angka kelayakannya..
Kata kunci : Penerimaan Bantuan Sosial, Naïve Bayes, Data Covid19, Data Latih, Data Uji.
Full Text:
PDF (Bahasa Indonesia)References
Anam, Moh Syaiful. 2021. “Sistem Pendukung Keputusan Bantuan Sosial Dengan Menggunakan Metode Naive Bayes.” 1(1):8.
Anon. n.d. “Final_Pedoman-Umum-Program-Sembako_Perubahan-1-Tahun-2020.Pdf.”
Jurnal, Redaksi Tim. 2018. “PERANCANGAN APLIKASI PENJUALAN DENGAN METODE WATERFALL PADA KOPERASI KARYAWAN RSUD PASAR REBO.” PETIR 11(1):9–24. doi: 10.33322/petir.v11i1.3.
Kasman, Hendra. 2018. “Perancangan Sistem Informasi Pendataan Dan Transaksi Downline District Pulsa Pekanbaru Berbasis Web.” Jurnal Ilmu Komputer dan Bisnis 9(1):1879–1906. doi: 10.47927/jikb.v9i1.122.
Kurnia, Fitra, S. Kom, Jhoni Kurniawan, Ichsan Fahmi St, Siti Monalisa, and M. Kom. 2019. “Klasifikasi Keluarga Miskin Menggunakan Metode K-Nearest Neighbor Berbasis Euclidean Distance.” 10.
Mandolang, Yosua A., Florence Daicy Lengkong, and Salmin Dengo. n.d. “IMPLEMENTASI PROGRAM KELUARGA HARAPAN DI KECAMATAN RANOYAPO KABUPATEN MINAHASA SELATAN.” 8.
Mardi, Yuli. 2017. “Data Mining : Klasifikasi Menggunakan Algoritma C4.5.” Edik Informatika 2(2):213–19. doi: 10.22202/ei.2016.v2i2.1465.
Noerkaisar, Noni. 2021. “Efektivitas Penyaluran Bantuan Sosial Pemerintah untuk Mengatasi Dampak Covid-19 di Indonesia.” Jurnal Manajemen Perbendaharaan 2(1):83–104. doi: 10.33105/jmp.v2i1.363.
Nurmalina, Radna. n.d. “Perencanaan dan Pengembangan Aplikasi Absensi Mahasiswa Menggunakan Smart Card Guna Pengembangan Kampus Cerdas (Studi Kasus Politeknik Negeri Tanah Laut).” 8.
Rahmansyah, Wildan, Resi Ariyasa Qadri, RTS Ressa Anggia Sakti, and Syaiful Ikhsan. 2020. “PEMETAAN PERMASALAHAN PENYALURAN BANTUAN SOSIAL UNTUK PENANGANAN COVID-19 DI INDONESIA.” Jurnal Pajak dan Keuangan Negara (PKN) 2(1):90–102. doi: 10.31092/jpkn.v2i1.995.
Sugianto, Castaka Agus, and Firdi Rizky Maulana. 2019. “Algoritma Naïve Bayes Untuk Klasifikasi Penerima Bantuan Pangan Non Tunai ( Studi Kasus Kelurahan Utama ).” Techno.Com 18(4):321–31. doi: 10.33633/tc.v18i4.2587.
DOI: https://doi.org/10.29103/techsi.v14i1.6959
Article Metrics
Abstract Views : 136 timesPDF (Bahasa Indonesia) Downloaded : 11 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 dara fitria
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Indexed by:
© Copyright of Journal TECHSI, (e-ISSN:2614-6029, p-ISSN:2302-4836).
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.