<![CDATA[Bantuan sosial (bansos) merupakan instrumen utama pemerintah dalam mengurangi kemiskinan, namun penyalurannya di Kecamatan Seunuddon Kabupaten Aceh Utara masih sering mengalami salah sasaran akibat proses penentuan yang manual dan subjektif sehingga menimbulkan kecemburuan sosial. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis yang objektif menggunakan algoritma Support Vector Machine (SVM) untuk menentukan kelayakan penerima bansos secara tepat sasaran. Penelitian menggunakan dataset primer sebanyak 560 data warga yang diperoleh langsung dari Kantor Kecamatan Seunuddon, terdiri atas sembilan fitur ekonomi meliputi penghasilan, jumlah tanggungan, kepemilikan rumah, luas lahan, ternak, kendaraan, daya listrik, jenis usaha, dan pekerjaan dengan label biner Layak dan Tidak Layak. Data diproses melalui tahap pembobotan kriteria, encoding variabel kategorikal, dan normalisasi Min-Max Scaling, kemudian dibagi menjadi 80% data latih (448 sampel) dan 20% data uji (112 sampel). Model SVM dengan kernel linear (C=1.0) dilatih untuk menemukan hyperplane optimal yang memaksimalkan margin antar kelas. Hasil pengujian menunjukkan akurasi keseluruhan sebesar 80,36%, precision 100% pada kelas Layak, recall 71,53%, serta F1-score 83,40%. Visualisasi decision boundary, t-SNE, PCA, dan confusion matrix membuktikan kemampuan model memisahkan kelas dengan baik meskipun terdapat ketidakseimbangan kelas. Sistem selanjutnya diimplementasikan dalam aplikasi web berbasis PHP-MySQL dengan integrasi Python untuk inferensi real-time yang dilengkapi fitur training ulang dan visualisasi interaktif. Penelitian ini menyimpulkan bahwa SVM efektif meningkatkan akurasi, transparansi, dan keadilan penyaluran bantuan sosial di tingkat kecamatan sehingga dapat direkomendasikan sebagai sistem pendukung keputusan bagi pemerintah daerah. Kata kunci: Support Vector Machine, Klasifikasi, Bantuan Sosial, Machine Learning]]>
