Penerapan Naive Bayes Classifier untuk Prediksi Kelayakan Penerima Bantuan Program Indonesia Pintar (PIP)
Abstract
Penelitian ini dilatarbelakangi oleh ketidaktepatan dalam proses seleksi manual penerima bantuan Program Indonesia Pintar (PIP) di MTs Al-Hasanah, yang belum berbasis data objektif sehingga berpotensi menyalurkan bantuan tidak tepat sasaran. Berdasarkan masalah tersebut, rumusan penelitian ini adalah bagaimana penerapan algoritma Naïve Bayes dalam meramalkan kelayakan siswa sebagai penerima bantuan PIP, serta seberapa akurat metode ini dalam proses prediksi. Tujuan dari penelitian ini adalah untuk membangun model klasifikasi berbasis Naïve Bayes yang mampu memprediksi kelayakan siswa penerima bantuan berdasarkan atribut seperti status keluarga, kepemilikan KIP, jumlah tanggungan, dan penghasilan orang tua. Model dikembangkan menggunakan pendekatan data mining dengan algoritma Naïve Bayes pada platform Google Colab, dengan preprocessing menggunakan teknik Label Encoding dan pembagian data dengan rasio 80:20, menghasilkan 84 data latih dan 21 data uji. Hasil evaluasi menunjukkan nilai akurasi, presisi, recall, dan F1-score sebesar 1.0 atau 100%. Kinerja sempurna ini menunjukkan keberhasilan model dalam mengklasifikasikan seluruh data uji secara tepat. Namun demikian, nilai metrik yang sangat tinggi juga mengindikasikan potensi overfitting, mengingat ukuran dataset yang terbatas dan homogenitas data yang digunakan. Oleh karena itu, generalisasi model terhadap data yang lebih luas belum dapat dipastikan. Penelitian ini bermanfaat dalam mendukung pengambilan keputusan berbasis data dalam distribusi bantuan PIP secara lebih objektif dan adil, serta menjadi kontribusi awal dalam pengembangan sistem berbasis kecerdasan buatan untuk sektor pendidikan.
Keywords
Full Text:
PDFReferences
R. A. Tyas, M. Anggraini, I. A. Sulasiyah, and Q. Aini, “Implementasi Algoritma Naïve Bayes Dalam Penentuan Rating Buku,” Sistemasi, vol. 9, no. 3, p. 557, 2020, doi: 10.32520/stmsi.v9i3.915.
E. A. Lisangan, A. Gormantara, and R. Y. Carolus, “Implementasi Naive Bayes pada Analisis Sentimen Opini Masyarakat di Twitter Terhadap Kondisi New Normal di Indonesia,” KONSTELASI Konvergensi Teknol. dan Sist. Inf., vol. 2, no. 1, pp. 23–32, 2022, doi: 10.24002/konstelasi.v2i1.5609.
Soebagio, Manajemen Pendidikan Indonesia. Jakarta: Ardadizya Jaya, 2005.
K. P. dan K. Indonesia, Peraturan Menteri Pendidikan dan Kebudayaan Nomor 12 Tahun 2015 tentang Program Indonesia Pintar. 2015, p. BN.2015/No.724, jdih.kemdikbud : 6 hlm.
W. P. Nurmayanti, “Penerapan Naive Bayes dalam Mengklasifikasikan Masyarakat Miskin di Desa Lepak.,” Geodika J. Kaji. Ilmu Dan Pendidik. Geogr., vol. 5, no. 1, pp. 123–132, 2021, doi: https://doi.org/10.29408/geodika.v5i1.3430.
A. Wibisono, A. D., Dadi Rizkiono, S., & Wantoro, “Filtering Spam Email Menggunakan Metode Naive Bayes.,” Telefortech J. Telemat. Inf. Technol., vol. 1, no. 1, pp. 9–17, 2020, doi: https://doi.org/10.33365/tft.v1i1.685.
D. Nofriansyah, Konsep Data Mining Vs Sistem Pendukung Keputusan. Yogyakarta: Deepublish, 2015.
S. Felicia Watratan, A., Puspita, A. B., Moeis, D., Informasi, S., & Profesional Makassar, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia.,” J. 47 Appl. Comput. Sci. Technol., vol. 1, no. 1, pp. 12–22, 2020.
A. Saleh, “Implementasi Metode Klasifikasi Naive Bayes dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga.,” Citec J., vol. 2, no. 3, pp. 207–217, 2015.
S. Hendrian., “ALGORITMA KLASIFIKASI DATA MINING UNTUK MEMPREDIKSI SISWA DALAM MEMPEROLEH BANTUAN DANA PENDIDIKAN,” Fakt. Exacta, vol. 11, no. 3, pp. 266–274, 2019, doi: 10.30998/faktorexacta.v11i3.2777.
A. Nuraini, A. Faqih, G. Dwilestari, N. Dienwati Nuris, and R. Narasati, “Analisis Sentimen Terhadap Review Aplikasi Brimo Di Google Play Store Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3661–3666, 2023, doi: 10.36040/jati.v7i6.8228.
F. Santoso, H., Armansyah, A., & Siregar, “Implementation of Naïve Bayes Method in Classification of Nutritional Status of Toddlers at Pasar Ujungbatu Sosa Public Health Center.,” IJISTECH (International J. Inf. Syst. Technol., vol. 6, no. 3, pp. 392–398, 2022, doi: https://doi.org/10.30645/ijistech.v6i3.254.
Frira Sesilia, Viktor Handrianus Pranatawijaya, and Ressa Priskila, “Machine Learning untuk Memprediksi Jumlah Penjualan, Stok dan Jumlah Tanam Hasil Pertanian Hidroponik,” KONSTELASI Konvergensi Teknol. dan Sist. Inf., vol. 4, no. 1, pp. 222–233, 2024, doi: 10.24002/konstelasi.v4i1.9055.
W. Lestari, R., D, Muhammad, S.,H, Sri, “Penerapan Data Mining Menggunakan Metode Teknik Klasifikasi Untuk Melihat Potensi Kepatuhan Wajib Pajak Kendaraan.,” J. Comput. Sci. Informatics Eng., vol. 3, no. 1, pp. 1–14, 2024, doi: 10.55537/cosie.v3i1.710.
F. Marisa, “Educational Data Mining (Konsep dan Penerapan),” Teknol. Inf., vol. 4, no. 2, pp. 90–97, 2018.
R. Armansyah, Rakhmad, K., “Model Prediksi Kelulusan Mahasiswa Tepat Waktu dengan Metode Naïve Bayes.,” Edumatic J. Pendidik. Inform., vol. 6, no. 1, pp. 1–10, 2022, doi: https://doi.org/10.29408/edumatic.v6i1.4789.
DOI: http://dx.doi.org/10.36448/expert.v15i1.4326
Refbacks
- There are currently no refbacks.
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi
Published by Pusat Studi Teknologi Informasi, Fakultas Ilmu Komputer, Universitas Bandar Lampung
Gedung M Lt.2 Pascasarjana Universitas Bandar Lampung
Jln Zainal Abidin Pagaralam No.89 Gedong Meneng, Rajabasa, Bandar Lampung,
LAMPUNG, INDONESIA
Indexed by:













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