<![CDATA[Kemiskinan merupakan permasalahan sosial mendasar yang masih dihadapi Indonesiasehingga diperlukan mekanisme penyaluran bantuan sosial yang tepat sasaran. Program KeluargaHarapan (PKH) dirancang untuk meningkatkan kesejahteraan keluarga miskin melalui bantuantunai bersyarat di bidang pendidikan dan kesehatan. Namun, proses seleksi Keluarga PenerimaManfaat (KPM) masih menghadapi kendala berupa ketidakakuratan data, subjektivitas penilaian,serta keterbatasan verifikasi manual. Penelitian ini bertujuan untuk merancang dan menguji modelmachine learning berbasis Hybrid Chi-Square– Support Vector Machine (SVM) dalammeningkatkan akurasi dan objektivitas seleksi KPM PKH. Metode Chi-Square digunakan untukmenyeleksi fitur sosial ekonomi yang paling relevan, sedangkan algoritma SVM dengan kernelRadial Basis Function (RBF) diterapkan sebagai metode klasifikasi. Hasil pengujianmenunjukkan bahwa model Hybrid Chi-Square–SVM mencapai kinerja yang sangat optimaldengan nilai akurasi, precision, recall, dan f1-score sebesar 100% pada kedua kelas, yaitu PKHdan Tidak PKH. Selain itu, model menunjukkan performa yang seimbang tanpa bias antar kelas.Dengan demikian, pendekatan yang diusulkan terbukti efektif dalam meningkatkan ketepatan danefisiensi proses seleksi penerima PKH serta berpotensi diterapkan sebagai sistem pendukungkeputusan berbasis data guna mendukung penyaluran bantuan sosial yang lebih tepat sasaran,transparan, dan akuntabel.Kata Kunci : Program Keluarga Harapan (PKH), Machine Learning, Chi-Square, Support VectorMachine (SVM)]]>
