ANALISIS IMPLEMENTASI ALGORITMA LEARNING VECTOR QUANTIZATION 3 TERHADAP KLASIFIKASI PENENTUAN PENERIMA BANTUAN LANGSUNG TUNAI DESA

Abstract

Program Bantuan Langsung Tunai (BLT) oleh pemerintah Indonesia bertujuan mengurangi kemiskinan dan meningkatkan kesejahteraan. Namun, proses seleksi penerima sering menghadapi bias sosial yang mengurangi objektivitas. Penelitian ini mengembangkan sistem klasifikasi berbasis algoritma Learning Vector Quantization (LVQ) 3.0 untuk mendukung proses seleksi yang lebih adil. Data yang digunakan mencakup 100 calon penerima dari Desa Kelapapati, yang dibagi 80% untuk pelatihan dan 20% untuk pengujian. Parameter yang digunakan meliputi usia, tingkat pendidikan, kepemilikan rumah, penggunaan listrik, dan sumber air. Evaluasi dilakukan menggunakan teknik K-Fold Cross Validation untuk mengukur akurasi algoritma. Sistem diuji dengan berbagai nilai Learning Rate (0,01; 0,025; 0,05; 0,075; dan 0,1) dan Window (0,2; 0,3; 0,4; dan 0,5). Hasil menunjukkan bahwa algoritma LVQ 3.0 mampu mengklasifikasikan data dengan akurasi 86,22%, sehingga layak diterapkan dalam seleksi penerima BLT. Penambahan variasi data disarankan untuk meningkatkan kemampuan sistem dalam mengenali pola secara lebih baik lagi, karena semakin bervariasi data yang digunakan, maka semakin tinggi pula tingkat akurasi sistem dalam mengidentifikasi pola yang ada.