ALGORITMA KLASIFIKASI DATA MINING UNTUK MEMPREDIKSI MASYARAKAT DALAM MENERIMA BANTUAN SOSIAL

Ardi Ramdani; Christian Dwi Sofyan; Fauzi Ramdani; Muhamad Fauzi Arya Tama; Muhammad Angga Rachmatsyah

doi:10.51903/juisi.v1i2.363

Ardi Ramdani Universitas Adhirajasa Reswara Sanjaya
Christian Dwi Sofyan Universitas Adhirajasa Reswara Sanjaya
Fauzi Ramdani Universitas Adhirajasa Reswara Sanjaya
Muhamad Fauzi Arya Tama Universitas Adhirajasa Reswara Sanjaya
Muhammad Angga Rachmatsyah Universitas Adhirajasa Reswara Sanjaya

DOI: https://doi.org/10.51903/juisi.v1i2.363

Keywords: data mining, algoritma klasifikasi, algoritma C4.5, Bantuan Sosial

Abstract

Bantuan sosial merupakan salah satu program pemerintah untuk mensejahterakan masyarakat agar menjadikan kehidupan yang lebih baik. Terutama bagi masyarakat yang kurang mampu dalam hal ekonomi. Akan tetapi tidak semua orang akan mendapatkan bantuan sosial karena beberapa faktor penyebab. Untuk mengatasi permasalahan yang ada maka pemerintah mengadakan program bantuan sosial bagi masyarakat kurang mampu dalam hal ekonomi. Pada penelitian ini penulis menggunakan Algoritma Klasifikasi Dataminig yaitu Algoritma C4.5 untuk memprediksi masyarakat dalam memperoleh bantuan dana sosial. Sampel data diambil dari data penerima bantuan sosial kecamatan binong, kabupaten Subang. Dari hasil pengujian digunakan tes Cross Validation dan Confusion Matrix. Hasil yang diperoleh untuk nilai Accuracy Algoritma C4.5 adalah sebesar 100.00%, nilai untuk Precision sebesar 100.00%, dan nilai untuk Sensitivity atau Recall sebesar 100.00%. Dengan demikian Algoritma C4.5 merupakan algoritma dan teknik terbaik untuk Memprediksi Masyarakat dalam memperoleh Bantuan Dana Sosial.

References

[1] R. Fadilah and F. A. Siregar, “Bantuan Sosial Sembako dan Bantuan Sosial Tunai,” 2021.
[2] A. Septima Harefa, “Prosedur Penyaluran Bantuan Dana Jaminan Sosial Bagi Penyandang Cacat Berat Pada Dinas Sosial Kota Padang BAB I TA,” Universitas Andalas, 2017.
[3] M. Taufany Firmansyah and Rusito, “IMPLEMENTASI METODE DECISION TREE DAN ALGORITMA C4.5 UNTUK KLASIFIKASI DATA NASABAH BANK,” 2016.
[4] S. Hendrian, “Algoritma Klasifikasi Data Mining Untuk Memprediksi Siswa Dalam Memperoleh Bantuan Dana Pendidikan,” Faktor Exacta, vol. 11, no. 3, Oct. 2018, doi: 10.30998/faktorexacta.v11i3.2777.
[5] T. S. Mian and F. Ghabban, “Competitive Advantage: A Study of Saudi SMEs to Adopt Data Mining for Effective Decision Making,” Journal of Data Analysis and Information Processing, vol. 10, no. 03, pp. 155–169, 2022, doi: 10.4236/jdaip.2022.103010.
[6] I. Ba’abbad, T. Althubiti, A. Alharbi, K. Alfarsi, and S. Rasheed, “A Short Review of Classification Algorithms Accuracy for Data Prediction in Data Mining Applications,” Journal of Data Analysis and Information Processing, vol. 09, no. 03, pp. 162–174, 2021, doi: 10.4236/jdaip.2021.93011.
[7] N. Azwanti, “ALGORITMA C4.5 UNTUK MEMPREDIKSI MAHASISWA YANG MENGULANG MATA KULIAH (STUDI KASUS DI AMIK LABUHAN BATU),” Jurnal SIMETRIS, vol. 9, no. 1, 2018.
[8] P. B. N. Setio, D. R. S. Saputro, and B. Winarno, “PRISMA, Prosiding Seminar Nasional Matematika Klasifikasi dengan Pohon Keputusan Berbasis Algoritme C4.5,” vol. 3, pp. 64–71, 2020, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/
[9] R. Pratiwi, M. N. Hayati, and S. Prangga, “BAREKENG: Jurnal Ilmu Matematika dan Terapan PERBANDINGAN KLASIFIKASI ALGORITMA C5.0 DENGAN CLASSIFICATION AND REGRESSION TREE (STUDI KASUS: DATA SOSIAL KEPALA KELUARGA MASYARAKAT DESA TELUK BARU KECAMATAN MUARA ANCALONG TAHUN 2019) Comparison of C5.0 Algorithm Classification with Classification and Regression Tree (Case Study: Social Data of Family Head of Teluk Baru Village, Muara Ancalong District in 2019),” vol. 14, no. 2, 2020, doi: 10.30598/barekengvol14iss2pp267-278.
[10] N. Azwanti, “ANALISA ALGORITMA C4.5 UNTUK MEMPREDIKSI PENJUALAN MOTOR PADA PT. CAPELLA DINAMIK NUSANTARA CABANG MUKA KUNING,” 2018.
[11] A. Abdulhafedh, “Comparison between Common Statistical Modeling Techniques Used in Research, Including: Discriminant Analysis vs Logistic Regression, Ridge Regression vs LASSO, and Decision Tree vs Random Forest,” OALib, vol. 09, no. 02, pp. 1–19, 2022, doi: 10.4236/oalib.1108414.
[12] S. Sekolah, T. Manajemen Informatika, D. Komputer, and W. Utama, “PENELITIAN KOMPARASI ALGORITMA KLASIFIKASI DALAM MENENTUKAN WEBSITE PALSU,” vol. 1, no. 1, pp. 2598–294, 2017, [Online]. Available: http://idsirtii.or.id