KOMPARASI EFEKTIFITAS ALGORITMA C4.5 DAN NAÏVE BAYES UNTUK MENENTUKAN KELAYAKAN PENERIMA MANFAAT PROGRAM KELUARGA HARAPAN

STUDI KASUS : KECAMATAN CICALENGKA KABUPATEN BANDUNG

Abstract

Program keluarga harapan PKH adalah sebuah program bantuan sosial yang disalurkan oleh pemerintah Indonesia melalui kementrian sosial. Bantuan yang diberikan merupakan bantuan keuangan kepada rumah tangga sangat miskin yang telah memenuhi kriteria tertentu. Namun program pemberdayaan pemerintah ini, seringkali timbul masalah dimana bantuan PKH tidak tepat sasaran. Oleh karena itu, penelitian ini bertujuan untuk menganalisis program keluarga harapan agar penerima bantuan benar benar layak menerima bantuan. Digunakan komparasi metode klasifikasi data mining untuk mengetahui algoritma mana yang baik untuk mengkalasifikasi kelayakan bantuan, dengan menggunakan dua algoritma, algoritma C4.5 dan Naïve Bayes. Algoritma C4.5 adalah adalah salah satu algoritma decision tree yang digunakan untuk melakukan klasifikasi atau segmentasi yang bersifat prediktif. Kelebihan algoritma C4.5 yaitu menghasilkan model pohon keputusan yang mudah diinterpretasikan, memiliki tingkat akurasi yang tinggi, efisien dalam menangani atribut bertipe diskrit dan numerik. Algoritma Naïve Bayes adalah algoritma yang menggunakan cabang matematika dikenal dengan teori probabilitas untuk mencari peluang terbesar dari kemungkinan klasifikasi, dengan cara melihat frekuensi tiap klasifikasi pada data training. Naive Bayes adalah tehnik yang diterapkan untuk menentuan kelas dari tiap masalah, yang sudah dibagi berdasarkan tiap-tiap masalah. Perhitungan numerik berdasarkan pada pendekatan grup. Proses pengujian dimulai dengan persiapan data awal. Selanjutnya, sampel data dianalisis menggunakan metode CRISP-DM, diuji dengan algoritma seperti C4.5 dan Naïve Bayes untuk memperoleh validasi yang akurat, setelah itu, data sampel data kembali diuji dengan validasi untuk mendapatkan Confusion matriks dan nilai ROC untuk C4.5 dan Naïve Bayes dengan tujuan mencapai akurasi maksimum. Hasil evaluasi perbandingan dan validasi menunjukkan bahwa algoritma Naive Bayes memiliki nilai akurasi sebesar 99,87% dan AUC sebesar 1,000, yang merupakan yang tertinggi di antara metode lainnya. Sementara itu, Algoritma C4.5 memiliki akurasi sebesar 99,61% dan AUC sebesar 0,743. Dari hasil algoritma Naive Bayes dalam data mining ini, tingkat AUC mengindikasikan klasifikasi yang sangat baik (Excellent classification). Sebaliknya, Algoritma C4.5 memiliki tingkat AUC yang diagnostik sebagai Fair (Adil). Dengan demikian, dapat disimpulkan bahwa algoritma Naive Bayes merupakan metode yang cukup baik dalam memprediksi kelayakan warga untuk menerima bantuan dari Program Keluarga Harapan (PKH).