<![CDATA[Abstrak - Kemiskinan masih menjadi persoalan yang cukup menonjol di Indonesia, termasuk di Desa Tlokoh. Kondisi ini menuntut adanya upaya agar program bantuan sosial, khususnya Program Keluarga Harapan (PKH), dapat disalurkan secara tepat sasaran. Penelitian ini bertujuan mengembangkan sistem yang dapat membantu menentukan kelayakan calon penerima PKH dengan memanfaatkan data sosial ekonomi masyarakat. Data dalam penelitian ini dikumpulkan langsung dari perangkat desa melalui wawancara dan beberapa dokumen yang mereka miliki. Informasi yang dihimpun mencakup pekerjaan dan penghasilan keluarga, usia, jumlah anak sekolah yang menjadi tanggungan, status tempat tinggal, hingga ada tidaknya ibu hamil/menyusui, lansia, penyandang disabilitas, serta bantuan sosial lain yang mungkin sudah diterima oleh calon penerima. Dalam proses pengembangannya, peneliti tidak langsung membuat sistem begitu saja. Tahapannya dimulai dari mengidentifikasi kebutuhan di lapangan, lalu berlanjut pada penyusunan rancangan sistem. Beberapa jenis diagram digunakan untuk membantu menggambarkan alur dan struktur sistem, seperti use case, class, sequence, dan activity diagram. Setelah itu, metode Naïve Bayes diterapkan sebagai teknik klasifikasi utama. Hasilnya adalah aplikasi web yang dapat melakukan klasifikasi kelayakan dengan cepat, menyimpan data calon penerima, menampilkan laporan hasil klasifikasi, dan menyediakan riwayat verifikasi. Berdasarkan pengujian, metode Naïve Bayes memberikan akurasi sekitar 93% dalam menentukan kelayakan penerima. Temuan ini menunjukkan bahwa sistem yang dibangun mampu membantu perangkat desa maupun pendamping PKH dalam membuat keputusan yang lebih objektif dan konsisten, sehingga bantuan dapat diberikan kepada pihak yang benar-benar membutuhkan.Kata kunci : Naïve Bayes; Klasifikasi; Program Keluarga Harapan; Data Mining; Sistem Pendukung Keputusan; Abstract - Poverty remains a significant issue in Indonesia, including in Tlokoh Village. This situation demands efforts to ensure that social assistance programs, notably the Family Hope Program (PKH), are distributed effectively and efficiently. This research aims to develop a system that can help determine the eligibility of prospective PKH recipients by utilizing community socioeconomic data. Data in this study were collected directly from village officials through interviews and several documents they possess. The information collected includes family occupation and income, age, number of dependent schoolchildren, housing status, presence or absence of pregnant/breastfeeding mothers, the elderly, people with disabilities, and other social assistance the prospective recipients may have received. In the development process, the researchers did not simply build the system. The stages began with identifying needs in the field, then continued with preparing the system design. Several types of diagrams were used to help illustrate the system's flow and structure, such as use case, class, sequence, and activity diagrams. The Naïve Bayes method was then applied as the primary classification technique. The result is a web application that can quickly classify eligibility, store prospective recipient data, display classification results reports, and provide a verification history. Tests showed that the Naïve Bayes method achieved approximately 93% accuracy in determining recipient eligibility. These findings demonstrate that the system developed can assist village officials and PKH facilitators in making more objective and consistent decisions, ensuring that assistance is provided to those truly in need.Keywords: Naïve Baye;, Classification; Family Hope Program; Data Mining; Decision Support System;]]>
