<![CDATA[Program Bantuan Siswa Miskin (BSM) bertujuan membantu siswa dari keluarga kurang mampu agar tetap mengenyam pendidikan di bangku sekolah. Sampai saat ini, realita penentuan penerima bantuan masih menghadapi permasalahan subjektivitas dan kurang optimalnya pemanfaatan data riil di lapangan. Dalam penelitian ini membangun model klasifikasi menggunakan Algoritma Naïve Bayes untuk memprediksi kelayakan penerima bantuan siswa miskin tingkat SMP wilayah perbatasan Indonesia dan Timor Leste yakni Kabupaten Belu. Data yang digunakan merupakan data sekunder dari Dinas Pendidikan pada tahun 2022–2024 dan terdapat 2.607 siswa yang telah menerima bantuan BSM. Tahapan penelitian ini meliputi preprocessing data, transformasi data kategorik, normalisasi, spilt data, model metode serta evaluasi model menggunakan teknik Holdout validation dan K-Fold cross validation. Hasil penelitian menunjukkan bahwa metode K-Fold cross validation menghasilkan rata-rata akurasi sebesar 87,69%, lebih tinggi dibandingkan Holdout validation sebesar 87,16%. Selain itu, pada fold terbaik diperoleh akurasi sebesar 99,61%, yang menunjukkan bahwa model dapat mencapai performa optimal pada kondisi tertentu dan hasil ini menegaskan bahwa model memiliki kemampuan klasifikasi yang baik dan berpotensi digunakan sebagai sistem pendukung keputusan dalam menentukan penerima bantuan pendidikan secara lebih objektif dan tepat sasaran.]]>
Copyrights © 2026
