ALGORITMA KLASIFIKASI C4.5 BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK PREDIKSI PENERIMA BANTUAN PANGAN NON TUNAI

ALGORITMA KLASIFIKASI C4.5 BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK PREDIKSI PENERIMA BANTUAN PANGAN NON TUNAI

• By Ermawati, Erni;
• Jurnal Nasional Terakreditasi
• 351
• 513-528

Program Bantuan Pangan Non Tunai (BPNT) merupakan peralihan dari program RASTRA atau RASKIN. BPNT adalah bantuan sosial pangan dalam bentuk non tunai dari pemerintah yang diberikan kepada Keluarga Penerima Manfaat (KPM) setiap bulannya melalui mekanisme akun elektronik yang digunakan hanya untuk membeli bahan pangan di pedagang bahan pangan atau e-warong. Bahan pangan dalam program BPNT ini adalah beras dan atau telur. Salah satu kesulitan yang terkadang dihadapi oleh pemerintah dalam penyaluran BPNT adalah proses pembagian bantuan sosial yang tidak merata dan tidak tepat sasaran. Munculnya masalah tersebut diakibatkan kurangnya pertimbangan atau kemantapan analisis penerima manfaat BPNT dalam menentukan kelayakan pada saat mengajukan pendataan. Oleh karena itu perlu dilakukan analisis lanjutan sehingga dapat mengetahui kelayakan dari suatu permasalahan prediksi penerima manfaat BPNT. Melalui hasil analisis pendataannya, dapat diketahui apakah warga layak atau tidak untuk menerima BPNT. Dari permasalahan yang ada digunakan metode klasifikasi untuk memprediksi kelayakan penerima manfaat BPNT  yaitu dengan menggunakan dua model, model algoritma klasifikasi C4.5 dan model algoritma klasifikasi C4.5 berbasis Particle Swarm Optimization (PSO) tanpa pruning. Karena proses pengujian yang dilakukan tanpa pruning menghasilkan akurasi yang lebih tinggi dibandingkan dengan yang menggunakan pruning. Setelah dilakukan pengujian dengan dua model tersebut didapatkan hasil yaitu algoritma klasifikasi C4.5 menghasilkan nilai akurasi sebesar 98,56% dan nilai AUC sebesar 0,979 dengan tingkat diagnosa Excellent Classification, namun setelah dilakukan optimasi dengan algoritma klasifikasi C4.5 berbasis Particle Swarm Optimization nilai akurasi sebesar 98,92% dan nilai AUC sebesar 0,988 dengan tingkat diagnosa Excellent Classification. Sehingga kedua metode tersebut memiliki perbedaan tingkat akurasi sebesar 0,36%. 

• Katakunci Algoritma C4.5, Klasifikasi, Kelayakan BPNT, Particle Swarm Optimization
• URL http://sistemasi.ftik.unisi.ac.id/index.php/stmsi/article/view/576
• Penerbit ,

REFERENSI

[1]      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.

[2]      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.

[3]      E. K. Kiha and W. Rindayati, “KONVERGENSI HARGA PANGAN POKOK ANTAR WILAYAH DI INDONESIA,” J. Ekon. dan Kebijak. Pembang., vol. 2, no. 1, pp. 30–46, 2013.

[4]      S. Mariyani, F. E. Prasmatiwi, and R. Adawiyah, “KETERSEDIAAN PANGAN DAN FAKTOR-FAKTOR YANG MEMPENGARUHI KETERSEDIAAN PANGAN RUMAH TANGGA PETANI PADI ANGGOTA LUMBUNG PANGAN DI KECAMATAN AMBARAWA KABUPATEN PRINGSEWU,” JIIA, vol. 5, no. 3, pp. 304–311, 2017.

[5]      M. S. Junaidi, B. M. Setiawan, and W. D. Prastiwi, “THE SATISFACTION COMPARISON OF BANTUAN PANGAN NON TUNAI RECIPIENTS AND RASTRA RECIPIENTS IN CAKUNG DISTRICT, EAST JAKARTA,” J. Ilm. Econosains, vol. 15, no. 2, pp. 273–288, 2017.

[6]      T. A. Choesni et al., Pedoman Pelaksanaan Bantuan Pangan Non Tunai. 2017.

[7]      P. Maharani, Pedoman umum bantuan pangan non tunai, 1st ed. Jakarta Pusat, 2017.

[8]      R. L. Fuady and A. M. Abadi, “Penentuan Penerimaan Bantuan Pangan Non Tunai ( BPNT ) Dengan Menggunakan Fuzzy Multiple Atribute Descission Making,” in SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA, 2017, pp. 203–210.

[9]      M. Yusnita, D. Agustina, and W. Anggita, “E-Warong sebagai Salah Satu Solusi Mengentaskan Kemiskinan Masyarakat,” in Proceeding of Community Development, 2018, vol. 1, no. 2017, pp. 146–150.

[10]    F. I. Bazai, W. D. Sayekti, and D. A. H. Lestari, “PENERAPAN STRATEGI PEMASARAN DAN AKSESIBILITAS RUMAH TANGGA TERHADAP BIHUN TAPIOKA DI KOTA METRO,” JIIA, vol. 5, no. 4, pp. 399–405, 2017.

[11]    C. S. Dewi and I. Pahlawan, “LANDASAN FAKTOR KEBIJAKAN IMPOR BERAS INDONESIA ASAL THAILAND PADA TAHUN 2009-2011,” JOM FISIP, vol. 5, no. 1, pp. 1–11, 2018.

[12]    O. H. Putri and S. I. Gunawan, “Pengaruh produksi dan harga terhadap konsumsi beras di kabupaten kerinci,” J. Akrab Juara, vol. 3, no. 1, pp. 59–69, 2018.

[13]    M. A. Djaelani, “Pengaruh Pencelupan pada Air Mendidih dan Air Kapur Sebelum Penyimpanan Terhadap Kualitas Telur Ayam Ras (Gallus L.),” Bul. Anat. dan Fisiol., vol. XXIII, no. 1, pp. 24–30, 2015.

[14]    A. F. Basuki, D. Dr.Ir. Bambang Hidayat, and S. . Prof.Dr.Ir. Sjafril Darana, “DETEKSI KUALITAS DAN KESEGARAN TELUR BERDASARKAN SEGMENTASI WARNA DENGAN METODE FUZZY COLOR HISTOGRAM DAN WAVELET DENGAN KLASIFIKASI KNN QUALITY AND FRESHNESS DETECTION OF CHICKEN EGG BASED ON COLOR SEGMENTATION USING FUZZY COLOR HISTOGRAM ( FCH ) AND WAV,” e-proceeding Eng., vol. 3, no. 3, pp. 4404–4411, 2016.

[15]    A. Faisal, “KAJIAN PENERAPAN ALGORITMA C4.5, NAÏVE BAYE DAN NEURAL NETWORK UNTUK MEMENUHI PENILAIAN DATA KARYAWAN SERVICE LEVEL AGREEMENT DI BANK,” J. Fakt. Exacta, vol. 10, no. 4, pp. 350–361, 2017.

[16]    A. Puspita and M. Wahyudi, “Algoritma C4.5 Berbasis Decision Tree untuk Prediksi Kelahiran Bayi Prematur,” pp. 97–102, 2015.

[17]    R. Wajhillah, “Optimasi Algoritma Klasifikasi C4.5 Berbasis Particle Swarm Optimization Untuk Prediksi Penyakit Jantung,” Swabumi, vol. I, no. 1, pp. 26–36, 2014.

[18]    M. Y. Kurniawan and M. E. Rosadi, “Optimasi Decision Tree Menggunakan Particle Swarm Optimization Pada Data Siswa Putus Sekolah,” JTIULM, vol. 2, no. 1, pp. 15–22, 2017.

[19]    S. Firdyana, D. Cahyadi, and I. F. Astuti, “Penerapan Metode Weighted Product Untuk Menentukan Penerima Bantuan Beras Masyarakat Miskin ( Raskin ),” Pros. Semin. Ilmu Komput. Dan Teknol. Inf., vol. 2, no. 1, pp. 1–7, 2017.

[20]    W. D. Septiani, “Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatitis,” Pilar Nusa Mandiri, vol. 13, no. 1, pp. 76–84, 2017.

[21]    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.

[22]    D. Rahmalia, “Teknik penalti pada optimisasi berkendala menggunakan particle swarm optimization (,” J. Mat. dan Pendidik. Mat., vol. 3, no. 1, pp. 44–52, 18AD.

[23]    A. Setiawan, L. W. Santoso, and R. Adipranata, “Penerapan Algoritma Particle Swarm Optimization ( PSO ) untuk Optimisasi Pembangunan Negara dalam Turn Based Strategy Game,” in Penerapan Algoritma Particle Swarm Optimization (PSO) untuk Optimisasi Pembangunan Negara dalam Turn Based Strategy Game, 2019, pp. 249–255.

[24]    G. A. Sandag, J. Leopold, and V. F. Ong, “Klasifikasi Malicious Websites Menggunakan Algoritma K-NN Berdasarkan Application Layers dan Network Characteristics Malicious Websites Classification Using K-NN Algorithm Based on Application Layers and Network Characteristics,” Cogito Smart J., vol. 4, no. 1, pp. 37–45, 2018.

[25]    R. A. Nugroho, Tarno, and A. Prahutama, “1 , 2 , 3 1,” Gaussian, vol. 6, pp. 439–448, 2017.

[26]    A. Khoerunnisa, B. Irawan, and M. R. Rumani, “Analisis dan implementasi perbandingan algoritma c.45 dengan naïve bayes untuk prediksi penawaran produk,” in e-proceeding of engineering, 2016, vol. 3, no. 3, pp. 5029–5035.

[27]    A. Rahman and R. Y. Dewantara, “‘ PENGARUH KEMUDAHAN PENGGUNAAN DAN KEMANFAATAN TEKNOLOGI INFORMASI TERHADAP MINAT MENGGUNAKAN SITUS JUAL BELI ONLINE ’ ( Studi Kasus Pada Pengguna Situs Jual Beli ‘ Z ’),” J. Adm. Bisnis, vol. 52, no. 1, p. 52, 2017.

[28]    E. Cahyani and D. Mulyadi, “PENGARUH KEPEMIMPINAN DAN MOTIVASI TERHADAP KINERJA PEGAWAI KANTOR CAMAT LUBUKLINGGAU SELATAN II KOTA LUBUKLINGGAU,” INTERPROF (Jurnal Manajemen) Progr. Stud. Magister Manaj. STIE MURA, vol. 3, no. 1, pp. 60–73, 2017.

[29]    A. Supriyatna, “Analisis Dan Evaluasi Kepuasan Pengguna Sistem Informasi Perpustakaan Dengan Menggunakan Pieces Framework,” J. Pilar Nusa Mandiri, vol. XI, no. 1, pp. 43–52, 2015.

[30]    M. Pransisya and B. Sudaryanto, “Analisis kualitas pelayanan dan harga produk yang berpengaruh terhadap kepuasan untuk mengurangi perpindahan merek pengguna xl axiata pada mahasiswa universitas diponegoro,” vol. 6, pp. 1–15, 2017.

[31]    M. Hot et al., “PELAYANAN KEPEGAWAIAN ( SAPK ) BADAN KEPEGAWAIAN NEGARA SURABAYA Ayu Meirani Kusumawati,” pp. 1–10.