PERBANDINGAN ALGORITMA KNN, C4.5 DAN NAÏVE BAYES UNTUK KLASIFIKASI PENERIMA BANTUAN PROGRAM KELUARGA HARAPAN

Abstract

Program Keluarga Harapan (PKH) merupakan bentuk bantuan tunai bersyarat dari pemerintah yang ditujukan kepada masyarakat miskin agar memiliki akses lebih baik terhadap layanan pendidikan dan kesehatan. Namun, tantangan utama dalam pelaksanaan program ini adalah memastikan ketepatan sasaran penerima bantuan. Penelitian ini bertujuan untuk membandingkan performa tiga algoritma klasifikasi K-Nearest Neighbor (KNN), C4.5, dan Naïve Bayes (NB) dalam menentukan kelayakan penerima PKH di Kabupaten Wakatobi. Data penelitian diambil dari Dinas Sosial setempat dengan total 582 entri dan 33 atribut. Metode validasi yang digunakan adalah 7-Fold Cross Validation melalui perangkat lunak RapidMiner. Hasil evaluasi menunjukkan bahwa algoritma Naïve Bayes memberikan akurasi tertinggi sebesar 96,39%, disusul C4.5 dengan 96,22%, dan KNN dengan 81,44%. Temuan ini menunjukkan bahwa Naïve Bayes lebih unggul dalam hal ketepatan klasifikasi, sedangkan C4.5 memiliki keunggulan dalam interpretasi melalui pohon keputusan. Penelitian ini diharapkan dapat menjadi acuan dalam pengambilan keputusan berbasis data untuk meningkatkan efisiensi penyaluran bantuan sosial.