Implementasi Algortima Naïve Bayes Untuk Klasifikasi Penerima Bantuan Langsung Tunai

DOI: https://doi.org/10.33650/coreai.v6i2.13189

Authors (s)


(1) * Nur Azise   (Universitas Ibrahimy)  
        Indonesia
(2)  Ahmad Gunawan   (Universitas Ibrahimy)  
        Indonesia
(3)  Achmad Baijuri   (Universitas Ibrahimy)  
        Indonesia
(*) Corresponding Author

Abstract


Prosedur pengajuan dan penetapan penerima Bantuan Langsung Tunai (BLT) di Desa Pesanggrahan masih dilakukan secara manual sehingga sering terjadi ketidaktepatan sasaran. Kondisi ini menimbulkan potensi ketidakadilan di tengah-tengah masyarakat, sehingga diperlukan pendekatan berbasis teknologi yang dapat meningkatkan objektivitas dan akurasi dalam seleksi penerima bantuan sesuai kriteria yang telah ditetapkan, seperti keluarga miskin, tidak menerima bantuan lain, dan lansia. Penelitian ini mengimplementasikan algoritma klasifikasi Naïve Bayes Gaussian dengan tahapan data preparation, labelling, pembagian data latih dan uji menggunakan rasio 80:20, serta pengolahan atribut dengan TF-IDF Vectorizer. Evaluasi performa dilakukan melalui confusion matrix, classification report dengan hasil akurasi, precision, recall, dan f1-score sebesar 100%. Hal ini menunjukkan bahwa algoritma Naïve Bayes efektif dalam menentukan penerima BLT secara akurat dan tepat sasaran



Full Text: DOWNLOAD PDF



References


A. A. H. Tasyifa Nafsiah Muthmainnah, Apriade Voutama, “Menggunakan Algoritma K-Means,” vol. 8, no. 3, pp. 3916–3919, 2024.

A. Surahman and U. Hayati, “Implementasi Algoritma Naïve Bayes Untuk Prediksi Penerima Bantuan Sosial,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 347–352, 2023, doi: 10.36040/jati.v7i1.6302.

A. . & Aldiansyah and D. Santoso, “Implementasi Metode SAW pada Sistem Pendukung Keputusan Pemilihan Supplier. ,” J. Tek. Inform., vol. 4, no. 2, pp. 87–95, 2016.

Anwar Pauji, S. Aisyah, A. Surip, R. Saputra, and I. Ali, “Implementasi Algoritma K-Nearest Neighbor Dalam Menentukan Penerima Bantuan Langsung Tunai,” KOPERTIP J. Ilm. Manaj. Inform. dan Komput., vol. 4, no. 1, pp. 21–27, 2022, doi: 10.32485/kopertip.v4i1.114.

N. A. Kilo, M. R. Katili, and I. K. Hasan, “Research in the Mathematical and Natural Sciences Perbandingan Metode K-Means dan K-Medoids Dengan Validitas Davies-Bouldin Indeks , Dunn Indeks dan Indeks Connectivity Pada Pengelompokkan Masyarakat Penerima Bantuan Langsung Tunai,” vol. 4, no. 1, pp. 8–15, 2025, doi: 10.55657/rmns.v4i1.190.

J. S. Informasi, T. Informasi, W. Dari, and A. Y. Sari, “Implementasi Data Mining Dengan Naïve Bayes Untuk Prediksi Penerima Bantuan Langsung Tunai ( Blt ) Warga Desa Xyz,” vol. 2, no. 2, pp. 29–40, 2023.

BPK, “Instruksi Presiden Republik Indonesia Nomor 4 Tahun 2022 Tentang Percepatan Penghapusan Kemiskinan Ekstrem,” Badan Pemeriksaan Keuang., no. 146187, pp. 1–15, 2022, [Online]. Available: https://peraturan.bpk.go.id/Details/211477/inpres-no-4-tahun-2022

U. Habibah and M. Rosyda, “Sistem Pendukung Keputusan Penerima Bantuan Langsung Tunai Dana Desa di Pekandangan Menggunakan Metode AHP-TOPSIS,” J. Media Inform. Budidarma, vol. 6, no. 1, p. 404, 2022, doi: 10.30865/mib.v6i1.3471.

K. Penerima and B. Di Desa, “Analisis Perbandingan Varian Naïve Bayes dalam Klasifikasi,” vol. 8, pp. 281–292, 2025.

D. Kurniadi, F. Nuraeni, and M. Firmansyah, “Klasifikasi Masyarakat Penerima Bantuan Langsung Tunai Dana Desa Menggunakan Naïve Bayes dan SMOTE,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 2, pp. 309–320, 2023, doi: 10.25126/jtiik.20236453.

N. Alfiah and P. S. Informasi, “Klasifikasi Penerima Bantuan Sosial Program Keluarga Harapan Menggunakan Metode Naive Bayes,” vol. XVI, pp. 32–40, 2021.

R. B. Syadewo and N. Riza, “KLASIFIKASI PENERIMAAN DANA BANTUAN PADA DUSUN JATI BENING,” vol. 7, no. 2, pp. 1220–1226, 2023.

D. A. Huriah, N. D. Nuris, B. Usaha, D. Mining, A. Naive, and B. Dalam, “Klasifikasi penerima bantuan sosial umkm menggunakan algoritma Naïve Bayes,” vol. 7, no. 1, pp. 360–365, 2023.

Muhamad Adhi Mukti, W. Wiyanto, and Ismasari Nawangsih, “Implementasi Algoritma Naive Bayes Untuk Prediksi Calon Penerima Blt,” J. Inform. Teknol. dan Sains, vol. 5, no. 3, pp. 383–392, 2023, doi: 10.51401/jinteks.v5i3.3106.

M. Daud, R. Juita, and C. D. Suhendra, “Penerapan Metode Algoritma C4 . 5 Untuk Klasifikasi Kelayakan Penerima Program Bantuan Pada Dinas Sosial Kabupaten Manokwari,” vol. 5, no. 1, pp. 271–278, 2025.

“Perkades BLT 2023.”

I. Arfanda, W. Ramdhan, and R. A. Yusda, “Naive Bayes Dalam Menentukan Penerima Bantuan Langsung Tunai Digital Transformation Technology ( Digitech ) | e-ISSN : 9999-9999,” no. June 2021, 2023, doi: 10.47709/digitech.v1i1.1091.

I. Hadianti et al., “PENERAPAN ALGORITMA NAÏVE BAYES UNTUK MENENTUKAN,” vol. 7, no. 6, pp. 3616–3620, 2023.

H. Nurrifqi et al., “Klasifikasi Penerima Bansos Menggunakan Algoritma Naive Bayes,” vol. 10, no. 1, pp. 683–695, 2023.

E. Poerwandono and F. J. Perwitosari, “Penerapan Data Mining Untuk Penilaian Kinerja Karya Di PT Riksa Dinar Djaya Menggunakan Metode Naive Bayes Classification,” vol. 5, no. 1, pp. 336–340, 2023.

N. S. Ramadan and D. Darwis, “PERBANDINGAN METODE NAÏVE BAYES DAN SVM UNTUK SENTIMEN ANALISIS MASYARAKAT TERHADAP SERANGAN RANSOMWARE PADA DATA KIP-K,” vol. 8, no. 1, pp. 12–23, 2025.

M. Rifat and M. Akhriza, “Klasi kasi Penerima Bantuan Sosial Program Keluarga Harapan ( PKH ) Kecamatan Gondanglegi Menggunakan Metode Naïve Bayes Pendahuluan Metode Penelitian,” vol. 24, pp. 289–296, 2025.


Dimensions, PlumX, and Google Scholar Metrics

10.33650/coreai.v6i2.13189


Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Nur Azise, Ahmad Gunawan, Achmad Baijuri

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


Creative Commons License
 
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi

Published by Technic Faculty of Nurul Jadid University, Probolinggo, East Java, Indonesia.