Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal eProceeding of TIK
Agung Anggara
Teknologi Informasi dan Komputer Politeknik Negeri Lhokseumawe
Computer Science & IT

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

Found 1 Documents
Search

 1 
Implementasi Algoritma Naive Bayes pada Sistem Klasifikasi Kelayakan UMKM Penerima Bantuan Modal Usaha Agung Anggara; M. Khadafi; Muhammad Reza Zulman
eProceeding of TIK Vol 6, No 1 (2026): eProTIK: Mei, 2026
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Keberhasilan program pemberdayaan UMKM sangat bergantung pada ketepatan dalam menentukan kelayakan penerima bantuan modal usaha. Penelitian ini membahas perancangan dan pembangunan sistem klasifikasi berbasis web untuk menentukan kelayakan Usaha Mikro, Kecil, dan Menengah (UMKM) dalam menerima bantuan modal usaha dari Baitul Mal Aceh Utara. Permasalahan utama yang dihadapi adalah proses seleksi penerima bantuan yang masih dilakukan secara manual, memakan waktu, dan berpotensi menimbulkan subjektivitas. Sebagai solusi, penelitian ini mengimplementasikan algoritma Naive Bayes karena kemampuannya memproses data dengan cepat, sederhana, dan konsisten. Data penelitian mencakup empat belas variabel bebas dan satu variabel terikat, yaitu status kelayakan (Layak/Tidak Layak) serta kategori penerima modal (Rp3.000.000, Rp5.000.000, dan Rp10.000.000). Proses penelitian meliputi pengumpulan data, preprocessing, pelabelan, pelatihan model, evaluasi menggunakan classification report, serta implementasi sistem berbasis web terintegrasi Flask API dan PHP. Hasil pengujian menunjukkan bahwa model Naive Bayes mencapai akurasi sebesar 95%, dengan nilai precision, recall, dan F1-score masing-masing 0,95, yang menandakan bahwa model mampu melakukan klasifikasi kelayakan dan kategori penerima modal usaha dengan baik.Kata kunci: Naive Bayes, UMKM, klasifikasi, machine learning, Baitul Mal Aceh Utara
Co-Authors M. Khadafi Muhammad Reza Zulman