Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Diyah Utami
Universitas Muhammadiyah Gresik
Computer Science & IT Education

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

Found 1 Documents
Search

 1 
KLASIFIKASI KELAYAKAN PENERIMA BANTUAN PROGRAM KELUARGA HARAPAN (PKH) MENGGUNAKAN METODE WEIGHTED NAÏVE BAYES DENGAN LAPLACE SMOOTHING Diyah Utami; Putri Aisyiyah Rakhma Devi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 4 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i4.3592

Abstract

Program Keluarga Harapan (PKH) yaitu yaitu keluarga yang telah ditetapkan menjadi penerima PKH dapat menerima bantuan sosial bersyarat dalam program PKH. Pemerintah Indonesia mencanangkan PKH sebagai inisiatif pemerintah pada tahun 2007. PKH berupaya untuk meningkatkan kualitas sumber daya manusia (SDM) di bidang kesehatan, pendidikan, dan kesejahteraan dengan meningkatkan kualitas hidup. Program tersebut juga dapat membantu keluarga miskin dalam mengurangi pengeluaran. Proses penerima bantuan PKH masih dilakukan secara manual dan penyebaran penerima bantuan PKH tidak sepat sasaran bagi warga yang menerima bantuan PKH.Oleh karena itu, dalam penelitian ini dapat memberikan prediksi klasifikasi kelayakan penerima bantuan PKH sehingga dapat membantu perangkat desa dalam menentukan warga desa yang layak menerima bantuan    tersebut dan dapat mendapatkan hasil yang lebih cepat, akurat dan tepat sasaran bagi yang menerima.Dalam penelitian ini akan dilakukan klasifikasi kelayakan penerima bantuan PKH menggunakan metode Weighted Naïve Bayes dengan Laplace Smoothing. Dengan melakukan penambahan bobot terhadap atribut kelas pada algoritma naïve bayes, maka akurasi klasifikasi algoritma nave Bayes berbobot tidak hanya didasarkan pada probabilitas tetapi juga pada pembobotan fitur ke kelas, yang ditambahkan ke atribut kelas dalam algoritma naive bayes dan dengan menggunakan laplace smoothing dapat menghindari nilai probabilitas 0. Dari hasil perhitungan klasifikasi menggunakan metode naïve bayes dengan laplace smoothing pada 56 data training dan 24 data uji didapatkan hasil pengujian evaluasi performa dengan menggunakan confusion matrix dengan nilai Accurasi 91,67%, error 8,33%, Sensitivitas 85,71%, dan Spensifitas 94,12%.
Co-Authors