Penerapan Model Machine Learning Untuk Menentukan Klasifikasi Jenis Bantuan Sosial

Abstract

Pemerintah Provinsi DKI Jakarta memiliki program bantuan sosial yang dianggarkan oleh APBD berupa program Kartu Lansia Jakarta (KLJ), Kartu Penyandang Disabilitas Jakarta (KPDJ) dan Kartu Anak Jakarta (KAJ). Permasalahan yang terjadi di tingkat Kelurahan terkait bantuan sosial yaitu kesulitan menentukan jenis bantuan yang tepat diperoleh warga sesuai dengan syarat dan kriteria yang sudah ditentukan Pemerintah serta tidak terjadi tumpang tindih penerima bantuan. Faktor pendaftaran  serta kurangnya pemahaman warga terkait kriteria jenis bantuan sosial mengakibatkan penentuan penerima bantuan sosial belum tepat sasaran seperti warga penerima bantuan yang tidak sesuai dengan kriteria sehingga mengakibatkan kecemburuan sosial. Untuk membantu permasalahan tersebut dilakukan penelitian untuk menentukan model terbaik dalam klasifikasi jenis bantuan sosial berdasarkan kriteria penerima dengan membandingkan tiga metode klasifikasi. Penelitian ini menggunakan 100 data responden dan 8 kriteria yang digunakan sebagai penentu penerima. Perbandingan model Certainty Factor, Naïve Bayes dan Decision Tree akan memberikan gambaran model terbaik berdasarkan tingkat akurasi.  Confusion matrix digunakan untuk menguji akurasi untuk Naïve Bayes dan Decision Tree dan luaran dari model yang terpilih adalah aplikasi berbasis web yang dapat memberikan rekomendasi jenis bantuan sosial. Hasil akurasi terbaik adalah Certainty Factor yaitu 98,4%, Naïve Bayes dan Decision Tree adalah 93,3%.