SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENERIMA BANTUAN PROGRAM KELUARGA HARAPAN DENGAN MENGGUNAKAN METODE NAÏVE BAYES

Kemiskinan merupakan masalah yang hingga saat ini masih dihadapi oleh masyarakat Indonesia. Untuk mercapai kesejahteraan dan keadilan sosial bagi seluruh masyarakat Indonesia, kemiskinan dapat disebut sebagai suatu kondisi dimana seseorang tidak mampu memenuhi kebutuhan seperti pangan, papan, sandang, pendapatan rendah, pendidikan dan keterampilan kerja yang kurang memadai. Tentunya pemerintah sebagai pembuat kebijakan telah melakukan berbagai upaya untuk mengurangi kemiskinan, salah satunya dengan penerapan Program Keluarga Harapan. secara umum penyaluran bantuan program keluarga harapan (PKH) selama ini masih mengalami kendala yaitu tidak meratanya penyaluran bantuan kepada masyarakat miskin atau bisa dikatakan kurang tepat sasaran. Jadi diperlukan suatu sistem untuk membantu merekomendasikan untuk menentukan penerima bantuan PKH. Salah satu sistem yang dapat digunakan adalah sistem pendukung keputusan (SPK) penerima bantuan program keluarga harapan dengan menggunakan metode Naïve Bayes. Naive Bayes adalah salah satu algoritma yang digunakan untuk klasifikasi teks serta merupakan metode Machine Learning yang menggunakan perhitungan probabilitas dan statistic yang digunakan untuk memprediksi probabilitas di masa depan berdasarkan pengalaman dimasa lalu. Dalam pengambilan keputusan sistem ini mampu mengambil keputusan rekomendasi orang yang layak menerima bantuan program keluarga harapan yang berdasarkan kriteria anak sekolah, anak balita, ibu hamil, lansia, dan disabilitas. Dan hasil pengujian metode Naïve Bayes dengan perhitungan Confussion Matrix maka diperoleh presentasi sebanyak 75% dan hasil uji kelayakan sistem memperoleh nilai sebanyak 80% yang berarti sistem dinyatakan telah berjalan lancar. Penulis melakukan perbandingan menggunakan Cross Validation dan hasil pengujian menunjukkan akurasi yang meningkat dari pengujian sebelumnya yaitu pengujian dataset dengan algoritma Naive Bayes dengan 5 kriteria dataset tanpa 10fold Cross Validation dibandingkan dengan menguji dataset menggunakan algoritma Naive Bayes disertai 10fold Cross Validation.