Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Informatics and Electronics Engineering
Sari, Putri Nurlaela
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Klasifikasi Kelayakan Penerima Bantuan Langsung Tunai Bagi UMKM di Kota Cimahi Menggunakan Algoritma Naïve Bayes Sugianto, Castaka Agus; Sari, Putri Nurlaela
Journal of Informatics and Electronics Engineering Vol 4 No 2 (2024): Desember 2024
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v4i2.1091

Abstract

Dinas Sosial Kota Cimahi merupakan bagian dari instansi pemerintahan di Kota Cimahi. Dinas Sosial melaksanakan program yang ditetapkan pemerintah, yaitu program Bantuan Langsung Tunai untuk UMKM. Dalam pelaksanaan program ini, banyak pelaku UMKM yang mengeluh karena tidak menerima bantuan, sementara beberapa pelaku UMKM lainnya dianggap memiliki usaha besar dan pendapatan yang cukup justru mendapatkan bantuan. Oleh karena itu, penelitian ini melakukan pengolahan informasi dengan menggunakan data mining untuk mengelompokkan Kelayakan Penerima Bantuan Langsung Tunai bagi UMKM di Kota Cimahi dengan menggunakan Algoritma Naïve Bayes. Diharapkan hasil dari proses ini dapat digunakan sebagai bahan evaluasi bagi pemerintah. Pada penelitian ini, peneliti mengkategorikan data penerima bantuan langsung tunai UMKM menjadi “Layak” dan “Tidak Layak” dengan menggunakan teknik klasifikasi dalam data mining melalui Algoritma Naïve Bayes. Model data mining dihasilkan menggunakan RapidMiner, dengan nilai Probabilitas untuk kelas “Layak” sebesar 0,485 yang dibulatkan menjadi 0,48, sedangkan nilai Probabilitas untuk kelas “Tidak Layak” adalah 0,515 yang dibulatkan menjadi 0,51. Dari total 202 data untuk class “Layak” sebanyak 98 data, dan class “Tidak Layak” sebanyak 104 data. Dengan melakukan 3 (tiga) opsi pengujian yaitu 1 (satu) kali uji coba, 5 fold cross validation, dan 10 fold cross validation, algoritma Naïve Bayes menunjukkan tingkat Akurasi 100%, Presisi 100%, Recall 100%, dan AUC 1.00. Oleh karena itu, dapat disimpulkan bahwa hasil pengujian dengan algoritma Naïve Bayes adalah signifikan. Kata Kunci— Kelayakan, data mining, klasifikasi, algoritma naïve bayes
Co-Authors Sugianto, Castaka Agus