Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Multidisciplinary on Social and Technology
Rendy Dwi Septianto
Universitas Pamulang
Computer Science & IT Economics, Econometrics & Finance Engineering Social Sciences

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

Found 1 Documents
Search

 1 
Perancangan Sistem Klasifikasi Warga Berbasis Algoritma Naïve Bayes untuk Kelayakan Penerimaan Bantuan Sosial pada RT 02 Kelurahan Pondok Ranji Kota Tangerang Selatan Rendy Dwi Septianto; Aniq Astofa
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.14279

Abstract

Kemiskinan merupakan salah satu permasalahan sosial di Indonesia sehingga pemerintah menyalurkan berbagai program bantuan sosial kepada masyarakat yang memenuhi kriteria tertentu. Proses penentuan penerima bantuan sosial di RT 02 Kelurahan Pondok Ranji Kota Tangerang Selatan masih dilakukan secara konvensional sehingga berpotensi menimbulkan kesalahan, subjektivitas, dan membutuhkan waktu yang relatif lama. Penelitian ini bertujuan merancang sistem klasifikasi kelayakan penerima bantuan sosial berbasis algoritma Naïve Bayes untuk membantu proses seleksi penerima bantuan agar lebih cepat, objektif, dan tepat sasaran. Metode penelitian yang digunakan meliputi observasi, wawancara, studi pustaka, dokumentasi, dan survei lapangan. Pengembangan sistem dilakukan menggunakan metode Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Data yang digunakan sebanyak 200 data warga yang terdiri atas 140 data training dan 60 data testing. Sistem dikembangkan menggunakan algoritma Naïve Bayes dengan tujuh kriteria, yaitu pekerjaan, pendapatan, jumlah tanggungan, material dinding rumah, material lantai rumah, material atap rumah, dan luas rumah. Hasil penelitian menunjukkan bahwa sistem mampu mengklasifikasikan kelayakan penerima bantuan sosial dengan akurasi sebesar 91,67%, precision sebesar 82,61%, dan recall sebesar 95%. Selain itu, hasil pengujian respons pengguna melalui kuesioner memperoleh persentase sebesar 82,8% yang termasuk dalam kategori Sangat Puas. Hasil tersebut menunjukkan bahwa sistem dapat membantu proses klasifikasi kelayakan penerima bantuan sosial serta mendukung pengguna dalam melakukan pengelolaan data dan penentuan penerima bantuan sosial.
Co-Authors Astofa, Aniq