IMPLEMENTASI ALGORITMA NAÏVE BAYES TERHADAP PENERIMA KARTU INDONESIA PINTAR

Abstract

Pentingnya peran Kartu Indonesia Pintar (KIP) sebagai program pemerintah untuk mendukung akses pendidikan bagi siswa berprestasi yang memiliki keterbatasan finansial. Analisis ini diharapkan dapat memberikan kontribusi terhadap perbaikan proses seleksi penerimaan KIP, sehingga dukungan finansial dapat disalurkan secara lebih dan tepat sasaran. KIP merupakan program bantuan pendidikan yang dirancang untuk mendukung siswa yang berperstasi dari latar belakang keterbatas ekonomi bertujuan untuk memberikan program tunjangan pendidikan. Dengan metode Algoritma Naïve Bayes bisa memudahkan dalam menghadapi penerimaan program bantuan pendidikan. Dalam mempengaruhi penerimaan Kartu Indonesia Pintar (KIP) termasuk nilai ujian, prestasi, penghasilan orantua,punya kartus sejenis seperti KIP, dan kepemilikan rumah yang ditempati. Dengan mengembangkan model yang dapat memprediksi penerimaan KIP dengan melihat tingkat akurasi yang tinggi menggunakan algoritma Naive Bayes. Oleh karena itu ada beberapa poin yang menjadi dasar penelitian ini untuk mengidentifikasi Penerimaan KIP melalui dengan Hasil tujuan yang pertama menganalisis dan menegevaluasi algoritma Naïve Bayes dalam menetukan penerimaan kartu Indonesia pintar (KIP). Dari hasil penentuan ada beberapa siswa yang lulus dan tidak lulus selain itu ada juga hasil prediksi atau bisa disebut memprediksi kemungkinan lulus dan tidak lulus. Pada gambar di 4.17 hasil dari proses penyeleksian menunjukan prediksi tidak lulus dengan keterangan true tidak lulus sekitar 112 siswa,  dan prediksi yang true lulus sekitar 15 siswa. Dan prediksi lulus dengan keterangan true tidak lulus sekitar 23 siswa, yang true lulus sekitar 50 siswa. Dan terdapat nilai akurasi sebesar 81.00%. Dengan class recall yang true tidak lulus sebesar 82.96% sedangkan yang lulus calass recall nya hanya mendapatkan 76.92%. Dari hasil analisis tersebut bisa disimpulkan bahwa yang true tidak lulus mendapat angka paling tertinggi dengan class racall nya sebesar 82.96%. Dan hasil tujuan yang kedua Mengukur tingkat akurasi dari model prediktif yang dikembangkan menggunakan algoritma Naive Bayes pada dataset 1000 siswa. Hasilnya adaalah bisa dilihat Pada gambar 4.18 akurasi yang didapat adalah 81.00% dengan split data 80/20. dengan  rincian  Prediksi Tidak lulus  dan  True  Tidak lulus  sebesar  112,  Prediksi  lulus  dan True lulus sebesar 15, Prediksi Lulus dan True Tidak sebesar  23,  Prediksi  Lulus  dan  True Lulus  sebesar  50. Dengan  class  recall  True Tidak Lulus sebesar  82.96%  dan  class recall  True Lulus sebesar 76.92%.eksplorasi data fokus studi pada analisis pendaftaran KIP dan menekankan perlunya memahami dan memperbaiki proses yang menentukan penerimaan bantuan pendidikan penekanan pada penggunaan algoritma Naïve Bayes mencerminkan metode klasifikasi yang dipilih untuk mengembangkan model.