<![CDATA[Abstrak penelitian ini dilatarbelakangi oleh urgensi klasifikasi tingkat kemiskinan yang akurat sebagai landasan pengambilan keputusan dan penyaluran bantuan yang tepat sasaran. Penelitian ini bertujuan untuk membangun model klasifikasi tingkat kemiskinan menggunakan algoritma Naïve Bayes yang diimplementasikan dalam software RapidMiner. Metode penelitian yang digunakan meliputi pengumpulan data dari berbagai sumber, pra-pemrosesan data untuk membersihkan dan mentransformasi data, implementasi algoritma Naïve Bayes untuk membangun model klasifikasi, serta evaluasi kinerja model menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa model yang dibangun mencapai akurasi sebesar 96.12%, dengan kemampuan identifikasi yang baik pada kelompok tidak miskin (presisi 100%) dan kelompok miskin (recall 100%). Meskipun demikian, presisi pada kelompok miskin masih perlu ditingkatkan (75%) untuk meminimalkan kesalahan klasifikasi dan memastikan bantuan yang diberikan lebih efektif dan tepat sasaran.]]>
Copyrights © 2024
