<![CDATA[Bantuan sosial merupakan program pemerintah yang ditujukan untuk mendukung masyarakat yang memenuhi kriteria sosial ekonomi tertentu. Identifikasi penerima yang tepat sangat penting untuk meminimalkan kesalahan penargetan dan memastikan bantuan diberikan kepada rumah tangga yang benar-benar membutuhkan. Pendekatan klasifikasi konvensional memiliki keterbatasan dalam menangkap hubungan yang kompleks dan nonlinier antar karakteristik sosial ekonomi rumah tangga. Oleh karena itu, penelitian ini menerapkan *Deep Neural Network* (DNN) untuk mengklasifikasikan kelayakan penerima bantuan sosial berdasarkan karakteristik sosial ekonomi rumah tangga di Desa Parigi serta mengevaluasi kinerja klasifikasinya. Data diperoleh dari Pemerintah Desa Parigi dan diproses melalui tahapan pembersihan data, pemeriksaan nilai yang hilang, pelabelan, normalisasi, pembagian data, pelatihan model, dan pengujian. Dataset dibagi menjadi data pelatihan dan data pengujian dengan rasio 80:20. DNN dipilih karena arsitektur berlapisnya mampu mempelajari hubungan nonlinier antarvariabel masukan sehingga sesuai untuk memodelkan pola kompleks pada data sosial ekonomi rumah tangga. Hasil evaluasi berdasarkan confusion matrix menunjukkan nilai akurasi sebesar 95,24%, presisi sebesar 92%, recall sebesar 100%, dan F1-score sebesar 95,83%. Hasil tersebut menunjukkan bahwa model DNN memiliki kinerja klasifikasi yang baik dalam mengidentifikasi penerima bantuan sosial yang layak dan tidak layak. Temuan penelitian menunjukkan bahwa DNN dapat digunakan sebagai pendekatan pendukung keputusan berbasis data untuk membantu]]>
Copyrights © 2026
