KELAYAKAN PENERIMAAN BERAS MISKIN (RASKIN) MENGGUNAKAN ALGORITMA NAIVE BAYES PADA DESA BENCOY

research
  • 27 Apr
  • 2021

KELAYAKAN PENERIMAAN BERAS MISKIN (RASKIN) MENGGUNAKAN ALGORITMA NAIVE BAYES PADA DESA BENCOY

ABSTRAK

 

Ardi Winardi  (19162929), Kelayakan Penerimaan Beras Miskin (Raskin) Menggunakan Algoritma Naive Bayes Pada Desa Bencoy

 

Beras miskin (raskin) diartikan diartikan sebagai subsidi pangan pokok dalam bentuk beras yang diperuntukkan bagi keluarga miskin sebagai upaya dari pemerintah untuk meningkatkan ketahanan pangan dan memberikan perlindungan pada keluarga miskin.Aktivitas pembagian kelayakan beras miskin yang dikhususkan bagi keluarga yang tidak mampu atau belum berkecukupan tentunya sangat jauh dari apa yang telah diharapkan, karena beras miskin yang semula dikhususkan untuk keluarga yang tidak mampu, kini bagi keluarga yang sudah cukup atau mampu bisa menerimanya.hal ini tentu sangat perlu adanya sebuah metode algoritma guna bisa mencegah kesalahan dalam memberikan kelayakan untuk menerimanya Penelitian ini bertujuan untuk melakukan prediksi kelayakan penerimaan beras miskin dengan data yang digunakan adalah data sekunder yang diperoleh dari Desa Bencoy, data ini berisi tentang data masyarakat yang menerima bantuan beras miskin, sedangkan metodenya menggunakan algoritma Naïve Bayes karena dalam beberapa penelitian, algoritma Naïve Bayes terbukti memiliki performa yang baik dalam suatu prediksi, serta menghasilkan nilai accuasy dan AUC yang tinggi. Tahapan analisa data dilakukan berdasarkan metode CRISP-DM sedangkan pengujian algoritma dilakukan pada perangkat lunak RapidMiner 5 sebagai perbanding antara hitungan manual dan hitungan perangkat lunak. Hasil dari pengujian tersebut diperoleh nilai akurasi sebesar 96,59%, dan nilai AUC sebesar 0,999 yang didapat dari data berjumlah 205,serta alur algoritma yang dapat diimplementasikan kedalam sebuah aplikasi berbasis website agar dapat membantu pegawai Desa Bencoy dalam memudahkan penentuan kelayakan penerimaan bantuan beras miskin.


ABSTRACT

 

Ardi Winardi  (19162929), The Feasibility of Receiving Poor Rice (Raskin) Using the Naive Bayes Algorithm in Bencoy Village

 

 

Poor rice (raskin) is defined as a basic food subsidy in the form of rice intended for poor families as a supporter of the government to increase food security and provide support to poor families. far from what should have been expected, because poor rice which was originally devoted to families who are unable, now for families who are sufficient or able to receive it. this of course urgently needs this installation method proposed to make predictions of the reception received by poor rice with data the secondary data obtained from the village of Bencoy, this data contains data on people who receive poor rice assistance, while the method uses the Naïve Bayes algorithm because in some studies, the Naïve Bayes algorithm is proven to have good performance in predictions, as well as producing high accuasy and AUC values. The data analysis stage was carried out based on the CRISP-DM method while the algorithm testing was performed on the RapidMiner 5 software as a comparison between manual calculations and software calculations. The results of the test obtained a test value of 96.59%, and an AUC value of 0.999 obtained from the acquisition data of 205, as well as an algorithm flow that can be implemented using a web-based application in order to assist Bencoy village employees in helping to support the feasibility of rice assistance.

Unduhan

 

REFERENSI

DAFTAR PUSTAKA

 

    

Abdillah, Gunawan, Firman Ananda Putra, dan Faiza Renaldi. (2016). Penerapan Data Mining Pemakaian Air Pelanggan Untuk Menentukan Klasifikasi Potensi Pemakaian Air Pelanggan Baru Di Pdam Tirta Raharja Menggunakan Algoritma K-Means. Sentika 2016, 2016(Sentika), 18–19.

Dewi, S. (2016). Komparasi 5 Metode Algoritma Klasifikasi Data Mining Pada Prediksi Keberhasilan Pemasaran Produk Layanan Perbankan. Techno Nusa Mandiri, Xiii(1), 60–66. Https://Doi.Org/10.1037/A0034271.

Dhika, Harry. (2015). Kajian Perancangan Rule Kenaikan Jabatan Pada Pt. Abc. Simetris : Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 6(2), 217. https://doi.org/10.24176/simet.v6i2.455.

Ermawati, Erni. (2019). Algoritma Klasifikasi C4.5 Berbasis Particle Swarm Optimization Untuk Prediksi Penerima Bantuan Pangan Non Tunai. Sistemasi, 8(3), 513. https://doi.org/10.32520/stmsi.v8i3.576

Fadlan, Chairul, Selfia Ningsih, dan Agus Perdana Windarto. (2018). Penerapan Metode Naïve Bayes Dalam Klasifikasi Kelayakan Keluarga Penerima Beras Rastra. Jurnal Teknik Informatika Musirawas (JUTIM), 3(1), 1. https://doi.org/10.32767/jutim.v3i1.286

Gunawan, Andre, Henry Novianus Palit, dan Andreas Handojo. (2017). Aplikasi Rekomendasi Metode Analisis Sesuai dengan Karakter Data. Jurnal Infra Petra, 6(1).Retrieved from http://publication.petra.ac.id/index.php/teknik-informatika.

Hasibuan, Nelly Astuti, Natalia Silalahi, Surya Darma Nasution,Dian Utami Sutiksno, Heri Nurdiyanto, Efori Buulolo,Maharani,Mesran,Suginam, dan Yuhandari. (2017). Implementasi Data Mining Untuk Pengaturan Layout. 4(4), 6–11. http://dx.doi.org/10.30865/jurikom.v4i4.686.

Hartini. (2020, Januari 20). Bantuan Beras Miskin Desa Bencoy. (A. Winardi, Interviewer)

Hermawan, Asep dan Husna Leila Yusran. 2017. Penelitian Bisnis Pendekatan Kuantitatif. Depok: Kencana.

Hidayat, Rahmat, Siti Marlina, dan Lila Dini Utami. (2017). Perancangan Sistem Informasi Penjualan Barang Handmade Berbasis Website Dengan Metode Waterfall. Simnasiptek 2017, 1(1), 175–183. Retrieved from http://seminar.bsi.ac.id/simnasiptek/index.php/simnasiptek-2017/article/view/138

Haryati, Siska, Aji Sudarsono, & Eko Suryo. (2015). Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Dehasen Bengkulu). Jurnal Media Infotama, 11(2), 130–138. https://doi.org/10.37676/jmi.v11i2.260.

Kurniawan, Ilham, Mustofa, Rachmawati Dharma Astuti, dan Windu Gata. (2018). Implementasi Algoritma Cuntuk Analisis Penerimaan Bantuan Beras Untuk Masyarakat Miskin (Studi Kasus: Kelurahan Gunung Parang). Seminar Nasional Teknologi Informasi Universitas Ibn Khaldun Bogor, 18, 31908575. Retrieved from http://prosiding.uika-bogor.ac.id/index.php/semnati/article/view/80.

Manik, Artanti Lim Saulina, Bowo Nurhadiyono, dan Yuniarsih Rahayu. (2015). Implementasi Metode Weighted Product ( Wp ) Dalam Sistem Pendukung Keputusan Untuk Menyeleksi Penerima Beras Masyarakat Miskin ( Raskin ). Techno.COM, 14(2), 109–114. https://doi.org/10.33633/tc.v14i2.884.

Muslikh, Ahmad Roqipul, Heru Agus Santoso, dan Aris Marjuni. (2018). Klasifikasi Data Time Series Arus Lalu Lintas Jangka Pendek Menggunakan Algoritma Adaboost Dengan Random Forest. Jurnal Teknologi Informasi, 14(1), 24–38. http://dx.doi.org/10.28926/briliant.v4i1.272.

Mustafa, M. Syukri, Muh Rizky Ramadhan, & Angelina P Thenata,. (2018). Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Creative Information Technology Journal, 4(2), 151. https://doi.org/10.24076/citec.2017v4i2.106.

Oktasari, Lutfhia, Yulison Herry Chrisnanto, & Rezki Yuniarti. (2016). Text Mining Dalam Analisis Sentimen Asuransi Menggunakan Metode Niave Bayes Classifier. Prosiding SNST, 7, 37–42. Retrieved from https://www.publikasiilmiah.unwahas.ac.id/index.php/PROSIDING_SNST_FT/article/view/1506.

Profil Desa Bencoy.(2019). Dipetik April 14,2020, dari sukabumizone: https://sukabumizone.com/2019/07/17/profil-desa-bencoy/

Ridwan, Dwindy Astuti, dan Bahharudin Rahman. (2019). Penentuan Penerimaan Raskin ( Beras Miskin ) Pada Kecamatan Kendari Barat Menggunakan Metode Analythical Hierarchi Process ( Ahp ). 4(1), 25–31. Retrieved from http://ejournal.catursakti.ac.id/index.php/simtek/article/view/45

Said, Badar.(2016). Klasifikasi Dan Analisis Sentimen Data Sms Center Bupati Pamekasan Menggunakan Naïve Bayes Dengan Mad Smoothing. 25(2), 1–5.

Saleh, Alfa. (2015). Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. Creative Information Technology Journal, 2(3), 207–217. https://doi.org/10.24076/citec.2015v2i3.49.

Santoso, Heroe, I Putu Hariyadi, & Prayitno. (2016). Data Mining Analisa Pola Pembelian Produk. Teknik Informatika, (1), 19–24. Retrieved from http://ojs.amikom.ac.id/index.php/semnasteknomedia/article/download/1267/1200.

Santoso, Priasnyomo Prima,Elkin Rilvani, dan Ahmad Budi Trisnawan. (2019).Penentuan Kelulusan Siswa Yayasan Cerdas Bakti Pertiwi Dengan Menggunakan Algoritma Naïve Bayes Dan cross Validation. Pelita Teknologi : Jurnal Ilmiah Informatika , Arsitektur dan Lingkungan VALIDATION. 14(2), Retrieved from   http://jurnal.pelitabangsa.ac.id/index.php/pelitatekno/article/view/240.

Setiawan, Rony. (2016). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru ( Studi Kasus : Politeknik Lp3i Jakarta ). Jurnal Lentera Ict, 3(1), 76–92. Retrieved from https://plj.ac.id/ojs/index.php/jrict/article/view/27.

Sugianto, Castaka Agus, dan Firdi Rizki Maulana. (2019). Algoritma Naïve Bayes Untuk Klasifikasi Penerima Bantuan Pangan Non Tunai ( Studi Kasus Kelurahan Utama ). 18(4), 321–331. https://doi.org/10.33633/tc.v18i4.2587.

Suryeni, Eni, Yoga Handoko Agustian, dan Yuli Nurfitria. (2015). Sistem Pendukung Keputusan Kelayakan Penerimaan Bantuan Beras Miskin Dengan Metode Weighted Product Di Kelurahan Karikil Kecamatan Mangkubumi Kota Tasikmalaya. Konferensi Nasional Sistem & Informatika 2015, 345–350. Retrieved from http://ejournal.stikom-bali.ac.id/index.php/knsi/article/view/488

Tambunan, Heru Satria, Sumarno, dan Indra Gunawan. (2019). Sistem Informasi Penyaluran Beras Miskin (Raskin) Kelurahan Desa Silau Malela Kabupaten Simalungun. Jurnal Sistem Komputer Dan Informatika (JSON), 1(1), 40. https://doi.org/10.30865/json.v1i1.1378.

Vulandari,Retno Tri.(2017).Data Mining Teori dan Aplikasi Rapidminer. Yogyakarta :Gava Media.

Widianto, Mochammad Haldi.(2019). Algoritma Naive Bayes. Dipetik Mei 01,2020, dari binus.ac.id: https://binus.ac.id/bandung/2019/12/algoritma-naive-bayes/.

 

Yunita, Devi. (2017). Perbandingan Algoritma K-Nearest Neighbor dan Decision Tree untuk Penentuan Risiko Kredit Kepemilikan Mobil. Jurnal Informatika Universitas Pamulang, 2(2), 103. https://doi.org/10.32493/informatika.v2i2.1512.

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru