PERBANDINGAN TINGKAT AKURASI ALGORITMA DECISION TREE DAN RANDOM FOREST DALAM MENGKLASIFIKASI PENERIMA BANTUAN SOSIAL BPNT DI DESA SLANGIT

Abstrak

Program Bantuan Sosial BPNT merupakan inisiatif pemerintah Indonesia yang memberikan bantuan pangan dalam bentuk nontunai kepada Keluarga Penerima Manfaat (KPM) melalui sistem perbankan. Kurang tepatnya penerima bantuan sosial tersebut menjadi permasalahan, serta kelayakan penerima KPM yang masih tidak tepat sasaran. Oleh karena itu, pada penelitian ini metode klasifikasi menggunakan algoritma decision tree dan random forest menjadi solusi yang tepat dalam untuk meningkatkan perbandingan tingkat akurasi, pada penerima bantuan sosial di Desa Slangit, Kecamatan Klangenan, Kabupaten Cirebon. Algoritma Decision tree dan random forest akan memberikan keputusan dengan model pohon keputusan dan menghasilkan tingkat akurasi yang baik.  Data diperoleh dari Pemerintah Desa, Dinas Sosial Kabupaten Cirebon, dan Data Terpadu Kesejahteraan Sosial (DTKS) selama Juli dan Agustus 2023. Metode penelitian mencakup studi literatur, pengumpulan data, pra-pemrosesan data, implementasi model klasifikasi, Knowledge Discovery in Database (KDD), evaluasi model, dan kesimpulan. Evaluasi menunjukkan tingkat akurasi tinggi, yakni 97.86% untuk Decision Tree dan 97.86% untuk Random Forest. Rekomendasi penelitian ini mencakup pertimbangan terhadap metode alternatif serta perlunya penelitian lanjutan untuk memahami faktor-faktor sosial, ekonomi, dan demografis yang memengaruhi status kelayakan penerima BPNT. Dengan demikian, hasil penelitian ini diharapkan dapat memberikan panduan bagi pengembangan program bantuan sosial di masa depan.