Implementasi Naive Bayes Dalam Penilaian Kelayakan Bantuan Listrik Gratis
Abstract
The free electricity installation program initiated by the Department of Energy and Mineral Resources (ESDM) of South Kalimantan Province requires accurate eligibility criteria to ensure well-targeted assistance. However, the main challenge in implementing this program lies in the lack of methods that account for the importance weights in determining recipient eligibility. The Naive Bayes method, a statistical analysis technique based on probability theory, processes historical data to predict the likelihood of receiving free electricity installations for eligible residents. In this study, recipient data was split into a 60:40 ratio for training and testing the model, and evaluation using a confusion matrix showed that this method achieved a higher accuracy of 93.94% in determining eligibility, compared to 86.59% achieved by weighting methods alone. These findings validate the effectiveness of the Naive Bayes method in improving decision-making accuracy and reliability in social assistance programs. Consequently, this study recommends adopting the Naive Bayes method in similar programs in the future to enhance efficiency and ensure precise targeting of assistance.
Keywords: Naive Bayes; Free Electricity, Probability.
Abstrak
Latar belakang program pemasangan listrik gratis yang diinisiasi oleh Dinas ESDM Provinsi Kalimantan Selatan memerlukan kriteria kelayakan yang akurat untuk memastikan bantuan tepat sasaran. Namun, tantangan utama dalam pelaksanaan program ini adalah kurangnya metode yang memperhitungkan bobot kepentingan dalam menentukan kelayakan penerima. Metode Naive Bayes merupakan teknik analisis statistik yang mengandalkan teori probabilitas dalam pengambilan keputusan. Melalui pendekatan ini, sistem akan mengolah data historis untuk memprediksi kemungkinan penerimaan program pemasangan listrik secara gratis bagi warga yang layak. Dalam penelitian ini, data penerima bantuan dibagi dengan proporsi
60:40 untuk melatih dan menguji model. Evaluasi menggunakan confusion matrix menunjukkan bahwa metode ini mencapai akurasi yang lebih tinggi dalam pengambilan keputusan penerimaan program dibandingkan metode lainnya, sehingga memvalidasi efektivitas metode Naive Bayes dalam konteks ini. Hasil penelitian ini menunjukkan bahwa sistem berbasis Naive Bayes mampu meningkatkan akurasi kelayakan penerima hingga 93,94%, lebih tinggi dibandingkan metode dengan pembobotan saja yang hanya mencapai akurasi 86,59%. Temuan ini mengindikasikan bahwa metode Naive Bayes dapat menjadi pilihan yang tepat dalam pengambilan keputusan untuk program bantuan sosial. Dengan demikian, penerapan metode ini tidak hanya meningkatkan keakuratan, tetapi juga memberikan keandalan dalam proses penilaian. Rekomendasi dari penelitian ini adalah mempertimbangkan metode Naive Bayes dalam program-program serupa di masa depan untuk meningkatkan efisiensi dan ketepatan sasaran bantuan.
Keywords
References
S. Pinte Simehate, H. Gemasih, dan A. Fitra, “Sistem Pendukung Keputusan Penentuan Penerimaan Bantuan Listrik Murah Gratis Menggunakan Metode SAW (Simple Additive Weighting) Pada PT. PLN (Persero),” J. Tek. Inform. dan Elektro, vol. 2, no. 1, pp. 09–
, 2020
S. Siska, G. A. Saputra, C. L. Rohmat, dan F. Sidik, “Implementasi Metode Naive Bayes pada Prediksi Penyakit Seliak,” KOPERTIP J. Ilm. Manaj. Inform. dan Komput., vol. 7, no.
, pp. 8–13, 2023
Arfanda, I., Ramdhan, W., & Yusda, R. A. “Naive Bayes Dalam Menentukan Penerima Bantuan Langsung Tunai”. Digital Transformation Technology, vol. 1, no. 1, pp. 9-16. 2021
A. Supriyanto, J. A. Razaq, P. Purwatiningtyas, dan A. Ariyanto, “Keputusan Pemberian Bantuan Sosial Program Keluarga Harapan Menggunakan Metode AHP dan SAW,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 3, pp. 639–
, 2022
S. Nuraeni, H. Harliana, dan T. Prabowo, “Analisis Akurasi Naïve Bayes Dan Knn Dalam
Penentuan Penerima Pkh Di Lombok Utara,” J. Inf. Syst. Manag., vol. 5, no. 2, pp. 121–
, 2024
A. Damuri, U. Riyanto, H. Rusdianto, dan M. Aminudin, “Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako,” JURIKOM (Jurnal Ris. Komputer), vol. 8, no. 6, pp. 219, 2021
B. H. Yanto dan Y. Yunus, “Evaluasi Penentuan Kelayakan Pemberian Subsidi Listrik dengan Metode MFEP,” J. Inform. Ekon. Bisnis, vol. 3, pp. 109–114, 2021
O. J. Harmaja dan M. S. Hutauruk, “Sistem Penunjang Keputusan Penerima Program
Keluarga Harapan Dengan Menggunakan Metode Topsis,” J. Tek. Inf. dan Komput., vol.
, no. 2, pp. 37, 2021
A. I. Islam, Asep Jamaludin, dan Nono Heryana, “Sistem Pendukung Keputusan
Kelayakan Klaim Asuransi Menggunakan Metode AHP,” J. Inform. Polinema, vol. 7, no.
, pp. 115–122, 2021
Suganda, G., Asfi, M., Subagio, R. T., & Kusuma, R. P. “Penentuan Penerima Bantuan Beasiswa Kartu Indonesia Pintar (Kip) Kuliah Menggunakan Naïve Bayes Classifier”. JSiI (Jurnal Sistem Informasi), Vol 9 No 2, pp.193-199. 2022
Syarli dan A. A. Muin, “Metode Naive Bayes Untuk Prediksi Kelulusan,” J. Ilm. Ilmu
Komputer., vol. 2, no. 1, pp. 22–26, 2020
S. Moedjiono, D. Rizal, dan A. Kusdaryono, “Web Expert Systems for Senility Disease Diagnose (Dementia) using Dempster – Shafer Method,” Knowing Enough to Be Dangerous: The Dark Side of Empowering Employees with Data and Tools., vol. 1, no. August, pp. 61 – 68, 2017.
Vafeiadis, T., Diamnataras, K., Sarigiannidis, G., & Chatzisavvas, K. A Compariosn Of Machine Learning Techniques For Customer Chrun Prediction. Simulation Modelling Practice and Theory, 55, pp.1-9. 2015
M. Arsyad, M.Z. Redha, A. Pahdi, & A. Yulianto, “Uji Akurasi Metode SAW Dalam Menentukan Kelayakan Penerima Bantuan Program Keluarga Harapan. Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, vol. 13, no. 1, pp. 785-794, 2924.
How To Cite This :
Refbacks
- There are currently no refbacks.
