<![CDATA[Beras Miskin (Raskin) merupakan salah satu program pemerintah yang bertujuan untuk memberikan bantuan pangan pokok kepada masyarakat kurang mampu. Namun, tantangan besar dalam implementasi program ini adalah ketidaktepatan sasaran, di mana terdapat kasus di mana warga yang seharusnya menerima bantuan malah tidak mendapatkannya, sementara sebagian yang tidak memenuhi syarat justru menerima bantuan. Penelitian ini bertujuan menghasilkan model pohon keputusan yang dapat membantu proses klasifikasi penerima bantuan beras miskin secara lebih mudah dan akurat, sehingga penyaluran program Raskin menjadi lebih tepat sasaran. Pembuatan model dilakukan menggunakan aplikasi RapidMiner Studio versi 10.3 dengan menerapkan algoritma pembentuk Decision Tree C4.5. Dalam menentukan kelayakan penerima, aplikasi menggunakan tujuh kriteria utama: tingkat kesejahteraan, jumlah tanggungan, jenis pekerjaan, sarana sanitasi, sumber air, jenis atap, dan jenis lantai. Algoritma C4.5 pada penelitian ini dilatih menggunakan 100 data pelatihan dan diuji dengan 20 data uji, menghasilkan akurasi sebesar 79,17% dengan faktor yang paling menentukan dalam prediksi adalah jenis lantai. Penelitian ini juga memvisualisasikan pohon keputusan yang terbentuk secara utuh untuk memudahkan interpretasi hasil prediksi dan peluang peningkatan di masa depan.]]>
Copyrights © 2024
