Rancangan Sistem Rekomendasi Kelayakan Penerima
Keywords:
bantuan sosial, Decision Tree, klasifikasi, kelayakan penerima bantuan, rekomendasiAbstract
Penentuan kelayakan penerima bantuan memerlukan proses verifikasi yang konsisten agar bantuan dapat diprioritaskan kepada calon penerima yang sesuai. Penelitian ini bertujuan merancang model rekomendasi kelayakan penerima bantuan menggunakan algoritma Decision Tree. Data penelitian terdiri atas 147 data historis calon penerima bantuan pada Komunitas Sosial Kafilah yang telah diverifikasi oleh beberapa pengurus berdasarkan kriteria yang disepakati bersama. Atribut yang digunakan meliputi kondisi ekonomi, jumlah tanggungan, status pekerjaan, kondisi tempat tinggal, dan kondisi sosial, dengan keluaran berupa kategori layak dan tidak layak. Data kategorikal dikodekan secara manual berdasarkan tingkat kerentanan setiap kategori. Model dibangun menggunakan DecisionTreeClassifier dengan kriteria entropy dan dievaluasi menggunakan 5-fold stratified cross-validation. Optimasi parameter dilakukan menggunakan GridSearchCV pada setiap data latih. Hasil pengujian memperoleh rata-rata accuracy sebesar 93,20%, precision sebesar 90,97%, recall sebesar 95,71%, dan F1-score sebesar 92,96%. Kondisi ekonomi menjadi atribut paling dominan dengan nilai kepentingan sebesar 67,33%. Model menghasilkan aturan keputusan yang dapat diinterpretasikan sebagai rekomendasi awal bagi pengurus. Namun, rekomendasi model tidak menggantikan keputusan akhir pengurus dalam menentukan penerima bantuan.
References
[2] Kariyamin, L. O. Alyandi, dan S. Arif, “Perbandingan Algoritma K-Nearest Neighbour dan C4.5 Decision Tree untuk Klasifikasi Penerima Bantuan Program Keluarga Harapan,” Decode: Jurnal Pendidikan Teknologi Informasi, vol. 5, no. 3, pp. 982–992, 2025, doi: 10.51454/decode.v5i3.1353.
[3] A. I. Silitonga, F. K. Sihotang, V. S. Silaban, T. F. Fahros, dan Haryadi, “Penentuan Kelayakan Penerimaan Bantuan Program Indonesia Pintar Menggunakan Algoritma C4.5,” CESS: Journal of Computer Engineering, System and Science, vol. 10, no. 1, pp. 25–38, 2025, doi: 10.24114/cess.v10i1.65099.
[4] A. Dina, I. Permana, F. Muttakin, dan I. Maita, “Perbandingan Algoritma NBC, KNN, dan C4.5 untuk Klasifikasi Penerima Bantuan Program Keluarga Harapan,” Jurnal Media Informatika Budidarma, vol. 7, no. 3, pp. 1079–1087, 2023, doi: 10.30865/mib.v7i3.6316.
[5] A. Junaidi, Yunita, S. Agustiani, C. I. Agustyaningrum, dan Y. T. Arifin, “Klasifikasi Penerima Bantuan Sosial Menggunakan Algoritma C4.5,” Jurnal Teknik Komputer, vol. 9, no. 1, pp. 77–82, 2023, doi: 10.31294/JTK.V9I1.14378.
[6] N. I. Nella, N. Y. Setiawan, dan D. E. Ratnawati, “Klasifikasi Penerima Bantuan Program Keluarga Harapan Menggunakan Algoritme Decision Tree C4.5: Studi Kasus Desa Mlirip Kabupaten Mojokerto,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 3, pp. 1332–1339, 2022.
[7] J. Jupriyanto et al., “Perbandingan Kinerja Algoritma Naïve Bayes dan C4.5 pada Sistem Web Klasifikasi Kelayakan PKH,” Jurnal Teknologi Informasi dan Komunikasi, vol. 18, no. 1, pp. 50–64, 2025, doi: 10.47561/jtik.v18i1.287.
[8] A. N. A. Rohim, A. I. Purnamasari, dan I. Ali, “Komparasi Efektifitas Algoritma C4.5 dan Naïve Bayes untuk Menentukan Kelayakan Penerima Manfaat Program Keluarga Harapan,” JATI: Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 2, pp. 2355–2362, 2024, doi: 10.36040/jati.v8i2.8345.
[9] L. O. Alyandi, Kariyamin, dan S. Arif, “Perbandingan Algoritma KNN, C4.5 dan Naïve Bayes untuk Klasifikasi Penerima Bantuan Program Keluarga Harapan,” JATI: Jurnal Mahasiswa Teknik Informatika, vol. 9, no. 6, pp. 9227–9234, 2025, doi: 10.36040/jati.v9i6.15531.
[10] E. P. W. Mandala dan D. E. Putri, “Penerapan Algoritma Decision Tree dalam Menentukan Kelayakan Penerima Bantuan Program Keluarga Harapan,” Progresif: Jurnal Ilmiah Komputer, vol. 22, no. 1, pp. 126–134, 2026, doi: 10.35889/progresif.v22i1.3494.
[11] N. Hidayati, N. Suarna, I. Ali, dan D. Solihudin, “Implementasi Algoritma C4.5 untuk Meningkatkan Akurasi Klasifikasi Penerima Bantuan Sosial di Indramayu,” Journal of Computer Science and Artificial Intelligence, vol. 2, no. 1, pp. 1–8, 2025.
[12] D. W. Safitri, E. Fadihilah, dan S. Rahayu, “Klasifikasi Kelayakan Penerima Bantuan Program Keluarga Harapan di Kecamatan Sinar Peninjauan Menggunakan Metode Naïve Bayes,” Simtek: Jurnal Sistem Informasi dan Teknik Komputer, vol. 10, no. 2, pp. 361–368, 2025, doi: 10.51876/simtek.v10i2.1631.
[13] A. I. Perhan, I. Yustiana, dan I. Sanjaya, “Implementation of Machine Learning Using Decision Tree Method for Social Assistance Recipient Classification,” bit-Tech, vol. 8, no. 1, pp. 901–909, 2025, doi: 10.32877/bt.v8i1.2755.
[14] H. N. F. Fikrillah, “Klasifikasi Program Bantuan Sosial Menggunakan Algoritma K-Nearest Neighbor Studi Kasus Kecamatan Malangbong Kabupaten Garut,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 3, pp. 609–616, 2025, doi: 10.25126/jtiik.2025128817.
[15] S. Wahyuni, Asrianda, dan S. Retno, “Classification of Family Hope Program Assistance Recipients Using the C4.5 Algorithm with Z-Score Normalization,” Information Technology Engineering Journals, vol. 10, no. 1, pp. 160–173, 2025, doi: 10.24235/itej.v10i1.207.
