Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

PENERAPAN ALGORITMA KNN, NBC, DAN C 4.5 UNTUK KLASIFIKASI PENERIMA BANTUAN PANGAN NON-TUNAI

Rizki Pratama Putra Agri, - (2025) PENERAPAN ALGORITMA KNN, NBC, DAN C 4.5 UNTUK KLASIFIKASI PENERIMA BANTUAN PANGAN NON-TUNAI. JURNAL INOVTEK POLBENG -SERI INFORMATIKA, 10 (2). pp. 693-704. ISSN ISSN : 2527-9866

[img]
Preview
Text (ARTIKEL JURNAL)
(REPO) LAPORAN TA RIZKI PRATAMA PUTRA AGRI_11zon - RIZKI PRATAMA PUTRA AGRI.pdf - Published Version

Download (9MB) | Preview
[img]
Preview
Text (SURAT PERNYATAAN PUBLIKASI)
SURAT PERNYATAAN PERSETUJUAN PUBLIKASI - RIZKI PRATAMA PUTRA AGRI.pdf - Published Version

Download (868kB) | Preview

Abstract

Abstrak-Pemerintah Indonesia telah menjalankan program Bantuan Pangan Non-Tunai (BPNT) sebagai upaya meningkatkan kesejahteraan masyarakat. Namun, dalam implementasinya, masih terdapat kendala dalam proses penentuan penerima bantuan yang tepat sasaran.Penentuan penerima BPNT yang tepat sasaran penting untuk memastikan bantuan diterima oleh masyarakat yang benar-benar membutuhkandanmencegah penyalahgunaan anggaran.Penelitian ini bertujuan untuk membantu pemerintah agar mudah mengelolah data menggunakan tiga algoritma klasifikasi, yaitu K-Nearest Neighbor(K-NN), Naïve Bayes Classifier(NBC), dan C4.5 dalam mengklasifikasikan data penerima BPNT di Kelurahan Air Molek, Kabupaten Indragiri Hulu.K-NN, NBC, dan C4.5 dipilih karena mewakili metode pendekatanyang berbeda: K-NN berbasis jarak, NBC berbasis probabilitas, dan C4.5 menggunakan pohon keputusan.Tahapan metodologi yang digunakan meliputi pengumpulan data, melakukan praproses data, membagi data(Hold-Out), penyeimbangan data serta pengujian model. Hasil penelitian menunjukkan bahwa Algoritma K-NNmendapatkanakurasisebesar70.45% presisi 68.34% recall 72.42%, NBC mendapatkan akurasi 60.58% presisi 58.21% recall 85.42%, dan C 4.5 dengan akurasi 62.56% presisi 59.17% recall 63.33%.Hasil penelitian ini dapat menjadi membantu pemerintah dalam mengembangkan sistem pendukung keputusan yang lebih objektif dan berbasis data untuk penentuan penerima BPNT. Keterbatasan penelitian ini yaitu penggunaan data yang terbatas hanya dari satu wilayah dan jumlah datayang relatif kecil.Kata Kunci-BPNT, K-Nearest Neighbour, Naïve Bayes Classifier, C 4.5, Klasifikasi.

Item Type: Article
Contributors:
ContributionContributorsNIDN/NIDKEmail
Thesis advisorInggih Permana, -2010128801inggihpermana@uin-suska.ac.id
Thesis advisorFebi Nur Salisah, -2002029002febinursalisah@uin-suska.ac.id
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: Ayu - Apriliani
Date Deposited: 02 Jul 2025 04:13
Last Modified: 02 Jul 2025 04:13
URI: http://repository.uin-suska.ac.id/id/eprint/89191

Actions (login required)

View Item View Item