Penerapan Algoritma Decision Tree Dalam Pemberian Rekomendasi Bantuan Siswa Miskin (BSM) Di Sekolah Dasar Swasta Arsyadiah

Kemiskinan Dilihat Sebagai Ketidakmampuan Seseorang Secara Ekonomi Untuk Memenuhi Kebutuhan Dasar Makanan, Bukan Hanya Diukur Dari Segi Pengeluaran. Seseorang Dianggap Miskin Jika Pengeluaran Per Kapita Bulanannya Berada Di Bawah Garis Kemiskinan. Pemerintah Berupaya Mengatasi Masalah Kemiskinan Dan Meningkatkan Kesejahteraan Masyarakat Melalui Penyediaan Program Bantuan Yang Beragam Melalui Dinas Sosial. Namun, Setiap Program Memiliki Kriteria Penerima Yang Berbeda, Yang Memperpanjang Proses Seleksi. Penelitian Ini Bertujuan Untuk Mengidentifikasi Faktor-Faktor Yang Dipertimbangkan Dalam Rekomendasi Bantuan Siswa Miskin Dan Mengevaluasi Penerapan Algoritma Decision Tree Dalam Memberikan Rekomendasi Tersebut Di Sekolah Dasar Swasta Arsyadiah. Untuk Mencapai Tujuan Penelitian, Langkah-Langkah Yang Dilakukan Meliputi Pengumpulan Data Primer Melalui Survei Dan Wawancara Dengan Guru Dan Staf Administrasi Di Sekolah Dasar Swasta Arsyadiah. Data Sekunder Juga Dikumpulkan Dari Sekolah Dasar Harapan Mulia Untuk Keperluan Evaluasi Model. Selanjutnya, Algoritma Decision Tree Diterapkan Pada Dataset Siswa Kelas 1-6 SD Arsyadiah Yang Dikumpulkan Selama Empat Tahun. Proses Evaluasi Dilakukan Dengan Menggunakan Teknik 5 K-Fold Cross Validation Untuk Memvalidasi Hasil Model. Akurasi Model Yang Diterapkan Di Sekolah Arsyadiah Adalah 63.8%, Sementara Di Sekolah Harapan Mulia Adalah 94.4%. Uji Signifikansi Dengan Uji One-Tail T-Test Menunjukkan Terdapat Perbedaan Signifikan Antara Akurasi Dataset Primer Dan Dataset Sekunder, Mengindikasikan Bahwa Model Yang Dikembangkan Lebih Akurat Pada Data Sekunder. Penelitian Ini Menyimpulkan Bahwa Terdapat Faktor-Faktor Spesifik Yang Mempengaruhi Rekomendasi Bantuan Dan Bahwa Algoritma Decision Tree Dapat Memberikan Rekomendasi Yang Efektif Dengan Tingkat Akurasi Yang Signifikan, Meskipun Terdapat Perbedaan Dalam Akurasi Pada Dataset Yang Berbeda.