KOMPARASI ALGORITMA C4.5 DAN NAÏVE BAYES UNTUK KLASIFIKASI PENERIMAAN BANTUAN PANGAN NON TUNAI (BPNT) PADA DESA SURADITA

KOMPARASI ALGORITMA C4.5 DAN NAÏVE BAYES UNTUK KLASIFIKASI PENERIMAAN BANTUAN PANGAN NON TUNAI (BPNT) PADA DESA SURADITA

• By Denis Nugraha, Ilham Nur Rohman;
• S1- Sistem Infomasi
• 4
• 1-119

Program Bantuan Pangan Non Tunai (BPNT) di Indonesia bertujuan untuk
meningkatkan kesejahteraan masyarakat dengan memberikan bantuan berupa saldo
elektronik untuk pembelian bahan pangan. Namun, pelaksanaan program sering kali
menghadapi tantangan, seperti penyaluran yang tidak tepat sasaran dan potensi
kecemburuan sosial. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan
membandingkan kinerja dua algoritma klasifikasi, yaitu C4.5 dan Naive Bayes, dalam
menentukan kelayakan penerimaan BPNT di Desa Suradita. Metode ini menggunakan
data sosial ekonomi warga Desa Suradita untuk mengidentifikasi penerima bantuan
yang memenuhi kriteria secara objektif. Hasil penelitian menunjukkan bahwa Naive
Bayes dengan perbandingan 60% data training dan 40% data testing memberikan
kinerja lebih baik dengan akurasi 94,61% dan presisi 94,57%, dibandingkan dengan
C4.5 yang mencapai akurasi 93,68% dan presisi 94,00%. Meskipun C4.5 memiliki
recall yang sedikit lebih tinggi, Naive Bayes mencatatkan nilai Area Under Curve
(AUC) yang lebih tinggi (0,977 dibandingkan dengan 0,968). Penelitian ini
memberikan rekomendasi untuk pengembangan lebih lanjut dalam implementasi
BPNT, serta memperkuat keputusan terkait bantuan sosial di Indonesia.

• Katakunci Program Bantuan Pangan Non Tunai, Naïve Bayes, C4.5
• URL http://
• Penerbit ,

REFERENSI

Adzy, L. B., Pambudi, A., Sukabumi, U. M., Bantuan, P., Jaminan, I., & Sukabumi,
S. K. (2023). Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima.
6(1), 1–10.
Fatmawati, F., & Narti, N. (2022). Perbandingan Algoritma C4.5 dan Naive Bayes
Dalam Klasifikasi Tingkat Kepuasan Mahasiswa Terhadap Pembelajaran
Daring. JTIM : Jurnal Teknologi Informasi Dan Multimedia, 4(1), 1–12.
https://doi.org/10.35746/jtim.v4i1.196
Fatricia, I. P., & Irawan, H. (2023). Penerapan Algoritme C4. 5 Terhadap Kelayakan
Bantuan Pangan Non Tunai (Bpnt) Pada Kantor Kelurahan Kedaung. Prosiding
Seminar Nasional …, 2(September), 1049–1058.
http://senafti.budiluhur.ac.id/index.php/senafti/article/view/1007%0Ahttp://sena
fti.budiluhur.ac.id/index.php/senafti/article/download/1007/583
Gusrialni Fitri, N., Adilya, S., & Azizi, F. (2023). Comparison of the Naive Bayes
Classification System and C4.5 for the Diagnosis of Stroke Perbandingan
Sistem Klasifikasi Naive Bayes dan C4.5 Untuk Diagnosa Penyakit stoke.
SENTIMAS: Seminar Nasional Penelitian Dan Pengabdian Masyarakat, 49–55.
Nasrullah, A. H. (2021). Implementasi Algoritma Decision Tree Untuk Klasifikasi
Data Peserta Didik. Jurnal Pilar Nusa Mandiri, 7(2), 217.
Nella, N. I., Setiawan, N. Y., & Dian, D. E. (2022). Klasifikasi Penerima Bantuan
Program Keluarga Harapan menggunakan Algoritme Decision Tree C4. 5 (Studi
Kasus: Desa Mlirip Kabupaten Mojokerto). … Teknologi Informasi Dan …,
6(3), 1332–1339. https://jptiik.multi.web.id/index.php/j
ptiik/article/view/10801%0Ahttps://jptiik.multi.web.id/index.php/j
ptiik/article/download/10801/4769
Reza Tri Kurniawan, Adi Suwondo, Saifu Rohman, Nur Hasanah, & Sukowiyono.
(2023). Perbandingan Algoritma C4.5 Dan Naïve Bayes Dalam Memprediksi
Ketepatan Waktu Lulus Mahasiswa Fastikom Unsiq. STORAGE: Jurnal Ilmiah
Teknik Dan Ilmu Komputer, 2(4), 197–200.
https://doi.org/10.55123/storage.v2i4.2886
Sari, S., & Utamajaya, J. N. (2022). Sistem Pendukung Keputusan Penerima Bantuan
Langsung Tunai Dana Desa Menggunakan Metode Algoritma K-Means
Clustering. Jurnal JUPITER, 14(1), 150–160.
Setio, P. B. N., Saputro, D. R. S., & Bowo Winarno. (2020). Klasifikasi Dengan
72
Pohon Keputusan Berbasis Algoritme C4.5. PRISMA, Prosiding Seminar
Nasional Matematika, 3, 64–71.
Sihombing, I. A., Hartama, D., Parlina, I., Gunawan, I., & Kirana, I. O. (2021).
Analisis Keberhasilan Pembelajaran Daring pada Masa Pandemi Covid-19
menggunakan Algoritma C4.5 dan Naive Bayes. JUKI : Jurnal Komputer Dan
Informatika, 3(2), 89–96. https://doi.org/10.53842/juki.v3i2.68
Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021). Analisis Data
Mining Data Netflix Menggunakan Aplikasi Rapid Miner. JBASE - Journal of
Business and Audit Information Systems, 4(1), 13–21.
https://doi.org/10.30813/jbase.v4i1.2729
Suhardinata, D., Ningsih, A. K., Kasyidi, F., Jenderal, U., & Yani, A. (2023).
Klasterisasi Data Penduduk Untuk Penerimaan Bantuan Pangan Non Tunai
(BPNT) Menggunakan K-Means (Studi Kasus : Desa Tanimulya Bandung
Barat). IJESPG (International Journal of Engineering, Economic, Social Politic
and Government), 1(3), 221–228.
http://ijespgjournal.org/index.php/ijespg/article/view/55
Syaripudin, E. I., & Tri Putri, M. (2022). Kajian Kategori Penerima Bantuan Pangan
Non Tunai (BPNT) dalam Perspektif Hukum Ekonomi Syari’ah. Jurnal Hukum
Ekonomi Syariah (JHESY), 1(1), 106–114.
https://doi.org/10.37968/jhesy.v1i1.150