Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Madalena Bada Mau
Universitas Timor
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Penerimaan Bantuan Siswa Miskin Menggunakan Naive Bayes di Wilayah Perbatasan RI-RDTL: Classification of Poor Student Assistance Recipients Using Naive Bayes in the RI–RDTL Border Region Madalena Bada Mau; Krisantus Jumarto Tey Seran; Dian Grace Ludji; Regolinda Maneno
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2689

Abstract

Program Bantuan Siswa Miskin (BSM) bertujuan membantu siswa dari keluarga kurang mampu agar tetap mengenyam pendidikan di bangku sekolah. Sampai saat ini, realita penentuan penerima bantuan masih menghadapi permasalahan subjektivitas dan kurang optimalnya pemanfaatan data riil di lapangan. Dalam penelitian ini membangun model klasifikasi menggunakan Algoritma Naïve Bayes untuk memprediksi kelayakan penerima bantuan siswa miskin tingkat SMP wilayah perbatasan Indonesia dan Timor Leste yakni Kabupaten Belu. Data yang digunakan merupakan data sekunder dari Dinas Pendidikan pada tahun 2022–2024 dan terdapat 2.607 siswa yang telah menerima bantuan BSM. Tahapan penelitian ini  meliputi preprocessing data, transformasi data kategorik, normalisasi, spilt data, model metode serta evaluasi model menggunakan teknik Holdout validation dan K-Fold cross validation. Hasil penelitian menunjukkan bahwa metode K-Fold cross validation menghasilkan rata-rata akurasi sebesar 87,69%, lebih tinggi dibandingkan Holdout validation sebesar 87,16%. Selain itu, pada fold terbaik diperoleh akurasi sebesar 99,61%, yang menunjukkan bahwa model dapat mencapai performa optimal pada kondisi tertentu dan hasil ini menegaskan bahwa model memiliki kemampuan klasifikasi yang baik dan berpotensi digunakan sebagai sistem pendukung keputusan dalam menentukan penerima bantuan pendidikan secara lebih objektif dan tepat sasaran.
Co-Authors Dian Grace Ludji Maneno, Regolinda Tey Seran, Krisantus Jumarto