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.