IMPLEMENTASI ALGORITMA NAÏVE BAYES DALAM KLASIFIKASI PENERIMA BANTUAN PANGAN NON TUNAI (BPNT) BERBASIS WEB. (STUDI KASUS: KELURAHAN CENGKEH TURI)

Kemiskinan merupakan tantangan utama dalam pembangunan Indonesia, yang semakin diperburuk oleh krisis ekonomi 1998. Untuk mengatasi hal ini, pemerintah mengeluarkan program Bantuan Pangan Non Tunai (BPNT) melalui sistem uang elektronik bagi keluarga miskin, guna memastikan pemenuhan pangan dan meringankan beban pengeluaran. Program ini juga mendukung pencapaian Sustainable Development Goals (SDGs). Namun, pengolahan data penerima BPNT di Kelurahan Cengkeh Turi masih dilakukan secara manual, proses ini sangat tidak efisien karena akan membutuhkan waktu yang cukup lama serta dapat menimbulkan indikasi pemilihan calon penerima BPNT dilakukan secara subjektif. Oleh karena itu, dibutuhkan analisis menggunakan teknik data mining, seperti klasifikasi menggunakan algoritma Naïve Bayes, untuk meningkatkan efektifitas dan efisiensi dalam hal akurasi agar penyaluran BPNT dapat lebih tepat sasaran. Algoritma Naïve Bayes merupakan algoritma klasifikasi dengan perhitungan yang efisien dan algoritma yang sederhana dengan tingkat akurasi yang tinggi dibandingkan model klasifikasi lainnya, algoritma ini menggunakan probabilitas dan statistik untuk memprediksi kategori data. Meskipun mengasumsikan independensi antar atribut, algoritma ini tetap memberikan hasil yang baik. Penelitian ini menggunakan beberapa variabel diantaranya Jenis Kelamin Kepala Keluarga, Jumlah Tanggungan Keluaga, Pekerjaan, Penghasilan, Jumlah Sepeda Motor, Status Tempat Tinggal, serta Kondisi Rumah. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes memiliki akurasi sebesar 83,33%, dengan 16,67% data terdeteksi kurang tepat sasaran. Dari 20% data uji yang merupakan data aktual sebagai penerima dan non penerima, terdapat 9 data diterima dan 21 data ditolak, dan dari hasil klasifikasi menggunakan algoritma Naïve Bayes terdapat 25 data yang sesuai dengan data uji dan 5 data yang tidak sesuai dengan data uji, yang mana dari hasil klasifikasi tersebut menunjukkan 4 data sebagai penerima dan 26 data sebagai non penerima. Hal ini menunjukkan bahwa sistem ini efektif dalam mengidentifikasi kelompok yang membutuhkan bantuan berdasarkan variabelvariabel yang memiliki korelasi kuat dengan hasil klasifikasi.