Implementasi Algoritma Naive Bayes Untuk Menentukan Kelayakan Penerima Bantuan Langsung Tunai Di Desa Sungai Ambat

Khotimah, Khusnul (2026) Implementasi Algoritma Naive Bayes Untuk Menentukan Kelayakan Penerima Bantuan Langsung Tunai Di Desa Sungai Ambat. Diploma thesis, Universitas Islam Indragiri.

	Text 403221010080_Khusnul khotimah_01_Awal.pdf Download (596kB)
	Text 403221010080_Khusnul khotimah_02_Bab 1.pdf Download (140kB)
	Text 403221010080_Khusnul khotimah_03_Bab 2.pdf Download (271kB)
	Text 403221010080_Khusnul khotimah_04_Bab 3.pdf Download (381kB)
	Text 403221010080_Khusnul khotimah_05_Bab 4.pdf Restricted to Repository staff only Download (818kB)
	Text 403221010080_Khusnul khotimah_06_Bab 5.pdf Download (125kB)
	Text 403221010080_Khusnul khotimah_07_Akhir.pdf Download (608kB)
	Text SKRIPSI KHUSNUL KHOTIMAH SI 42%.pdf Download (2MB)

Abstract

Penentuan kelayakan penerima Bantuan Langsung Tunai (BLT) memerlukan proses yang objektif agar penyaluran bantuan tepat sasaran. Penelitian ini bertujuan mengimplementasikan algoritma Naive Bayes untuk menentukan kelayakan penerima BLT di Desa Sungai Ambat serta membandingkan kinerjanya dengan algoritma K-Nearest Neighbor (KNN). Data penelitian diperoleh dari Kantor Desa Sungai Ambat sebanyak 524 data warga yang terdiri atas 13 variabel independen dan satu variabel dependen. Penelitian menggunakan pendekatan Knowledge Discovery in Databases (KDD) melalui tahapan data cleaning, transformasi data, seleksi fitur, pembagian data latih dan data uji dengan rasio 80:20, pemodelan, serta evaluasi menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memberikan performa lebih baik dengan accuracy 96%, precision 92%, recall 92%, dan F1-score 92%, sedangkan algoritma KNN memperoleh accuracy 92%, precision 96%, recall 69%, dan F1-score 76%. Hasil paired t-test menunjukkan adanya perbedaan performa yang signifikan antara kedua algoritma. Dengan demikian, algoritma Naive Bayes lebih efektif dalam menentukan kelayakan penerima BLT sehingga dapat mendukung pengambilan keputusan yang lebih objektif, akurat, dan tepat sasaran.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Bantuan Langsung Tunai, Data Mining, Naive Bayes, K-Nearest Neighbor, Klasifikasi
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi
Depositing User:	Nilam Sari
Date Deposited:	01 Oct 2026 03:14
Last Modified:	01 Oct 2026 03:14
URI:	http://repository.unisi.ac.id/id/eprint/1331

Actions (login required)

View Item