Metode Topsis dan Algoritma C4.5 dalam Menentukan Penerima Bantuan Langsung Tunai
Article Sidebar
Main Article Content
Abstract
Pentingnya Bantuan Langsung Tunai (BLT) saat ini sangatlah penting bagi masyarakat kurang mampu, kemudian juga dapat menjadi sebuah tantangan bagi pemerintah desa untuk memberikan keputusan yang tepat dan akurat dalam pengelolaan data Bantuan Langsung Tunai. Namun pelaksanaan seleksi penerima Bantuan Langsung Tunai masih rancu dan menimbulkan kesalah pahaman bagi msyarakat setempat karena cara penyeleksian yang dilakukan secara subyektif. Sistem Pendukung Keputusan dengan dukungan software Rapid Miner diharakan mampu meningkatkan kinerja dan menentukan akurasi metode yang lebih baik serta mempermudah proses seleksi penerima Bantuan Langsung Tunai. Pada pelitian yang dilakukan ini menggunakan Sample data BLT yang berjumlah 50 dari 300 dataset. Sampel dataset 50 untuk data training sedangkan dataset 300 untuk data testing atau target. Selanjutnya input data akan diproses melalui software Rapid Miner menggunakan teknik data mining dengan metode TOPSIS dan Algoritma C4.5. output dari sistem ini berupa hasil perbandingan Metode yang lebih baik yaitu Algoritma C4.5 dengan hasil nilai Accuracy sebesar 76,00%, Precision sebesar 82,61%, dan Sensivity atau Class Recall sebesar 90,48%.
Article Details
This work is licensed under a Creative Commons Attribution 4.0 International License.
References
L. Tunai and B. L. T. Dana, “Transparansi dalam pelaksanaan bantuan langsung tunai (blt) dana desa,” Indones. J. Law Islam. Law, vol. 1, 2020.
I. - and A. A. Firdaus, “Penerapan Algoritma C4.5 Untuk Klasifikasi Penentuan Penerimaan Bantuan Langsung Di Desa Ciomas,” Teknois J. Ilm. Teknol. Inf. dan Sains, vol. 8, no. 1, pp. 17–28, 2019, doi: 10.36350/jbs.v8i1.18.
M. A. C, “Sistem Pendukung Keputusan Pemberian Bantuan Ekonomi,” vol. VI, no. 1, 2021.
E. Turban, J. E. Aronson, and T. Liang, “Decision Support Systems and,” .
E. Ermawati, “Algoritma Klasifikasi C4.5 Berbasis Particle Swarm Optimization Untuk Prediksi Penerima Bantuan Pangan Non Tunai,” Sistemasi, vol. 8, no. 3, p. 513, 2019, doi: 10.32520/stmsi.v8i3.576.
A. P. Windarto, “Implementasi Metode Topsis Dan Saw Dalam Memberikan Reward Pelanggan,” Klik - Kumpul. J. Ilmu Komput., vol. 4, no. 1, p. 88, 2017, doi: 10.20527/klik.v4i1.73.
R. Astuti and U. Mukaromah, “Model Manajemen Sistem Pendukung Keputusan Metode Simple Additive Weighting untuk Program Bantuan Langsung Tunai di Desa Luwungbata,” Media Inform., vol. 19, no. 3, pp. 88–97, 2021, doi: 10.37595/mediainfo.v19i3.47.
N. Siahaan and T. F. Manurung, Eds., Buku Ajar Sistem Pendukung Keputusan Penilaian Hasil Belajar | 1 STMIK Pelita Nusantara Medan, Pertama 20. jl. Prof . T.Zulkarnain No.13 Medan Sumatera Utara 20154: Cv. Rudang Mayang, 2018.
A. Merdekawati, “Sistem Pendukung Keputusan Penerimaan Beasiswa Menggunakan Algoritma C4.5 (Studi Kasus : Baitul Maal),” J. Pendidik. Teknol. dan Kejuru., vol. 15, no. 1, pp. 113–123, 2018, doi: 10.23887/jptk-undiksha.v15i1.13067.
E. Fitriani, “Perbandingan Algoritma C4.5 Dan Naïve Bayes Untuk Menentukan Kelayakan Penerima Bantuan Program Keluarga Harapan,” Sistemasi, vol. 9, no. 1, p. 103, 2020, doi: 10.32520/stmsi.v9i1.596.
M. A. Tanjung and H. Qurniawan, “Analisa Kelayakan Penerima Program Keluarga Harapan ( PKH ) Menggunakan Algoritma C4 . 5,” J. Ris. Sist. Inf. dan Tek. Inform., vol. 6, pp. 217–225, 2020.