Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal Of Computer Science And Technology

Penerapan Metode Naive Bayes Dalam Memprediksi Kelayakan Penerima Bantuan Sosial Beras Miskin Di Kelurahan Sidomulyo Elvie Yanti; Rahma Diana Daulay; Rozi Juliantika; Wiwin Handoko
Journal of Computer Science and Technology (JOCSTEC) Vol 3 No 3 (2025): JOCSTEC - September
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jocstec.v3i3.573

Abstract

Bantuan sosial adalah salah satu program utama pemerintah untuk meningkatkan taraf hidup masyarakat. Salah satu program bantuan sosial yang menjadi perhatian pemerintah adalah bantuan Raskin (beras untuk keluarga miskin). Pengelolaan program bantuan sosial Raskin di Kelurahan Sidomulyo selama ini dilakukan dengan cara manual, yang mengakibatkan ketidakakuratan data dan ketidaktepatan sasaran penerima bantuan. Penelitian ini bertujuan untuk memperbaiki akurasi dan efisiensi proses seleksi penerima bantuan Raskin dengan menerapkan model Naive Bayes. Model ini digunakan untuk mengelompokkan data penerima berdasarkan kriteria, seperti kondisi rumah, status kepemilikan rumah, tanggungan keluarga, dan jumlah penghasilan. Berdasarkan penelitian yang dilakukan menggunakan data dari 300 kepala keluarga, model ini berhasil mencapai tingkat akurasi sebesar 81,66%. Hasil penelitian menunjukkan bahwa 60,3% kepala keluarga dinyatakan layak menerima bantuan, sedangkan 39,7% tidak layak. Implementasi model Naive Bayes diharapkan dapat meningkatkan transparansi, keadilan, dan efisiensi dalam pelaksanaan program bantuan sosial di masa yang akan datang. 
Penerapan K-Means Clustering Untuk Segmentasi Penjualan Di Minimarket Mardi Dengan Pendakatan Machine Learning Imam Frandika; Sofana Bayor Hud; Wiwin Handoko
Journal of Computer Science and Technology (JOCSTEC) Vol 3 No 3 (2025): JOCSTEC - September
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jocstec.v3i3.574

Abstract

Perkembangan teknologi informasi mendorong pemanfaatan machine learning dalam analisis data penjualan untuk mendukung pengambilan keputusan bisnis. Minimarket Mardi memiliki beragam produk dengan pola pembelian yang bervariasi, sehingga diperlukan metode analisis yang mampu mengelompokkan data penjualan secara lebih terstruktur. Penelitian ini menerapkan algoritma K-Means Clustering untuk melakukan segmentasi penjualan berdasarkan atribut tertentu, seperti kategori produk, jumlah penjualan, serta frekuensi transaksi. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan, penentuan jumlah klaster optimal dengan metode Elbow, serta implementasi algoritma K-Means. Hasil analisis menunjukkan terbentuknya beberapa klaster yang merepresentasikan pola penjualan produk di Minimarket Mardi, mulai dari produk dengan tingkat penjualan tinggi, sedang, hingga rendah. Segmentasi ini dapat membantu manajemen minimarket dalam merancang strategi pemasaran yang lebih tepat sasaran, pengelolaan stok yang lebih efisien, serta peningkatan pelayanan kepada konsumen. Dengan demikian, penerapan K-Means Clustering terbukti efektif dalam mendukung pengambilan keputusan berbasis data di sektor ritel.