RIZAL, RIZAL and Nurfalinda, Nurfalinda and Rathomi, Muhamad Radzi (2022) IMPLEMENTASI ALGORITMA C4.5 UNTUK MEMPREDIKSI STATUS KELAYAKAN PENERIMAAN BANTUAN DESA (Studi Kasus : Desa Tarempa Barat Daya). S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) Rizal_170155201036_Teknik Informatika - Cover.pdf - Published Version Download (819kB)
	Text (Abstrak) Rizal_170155201036_Teknik Informatika - Abstrak.pdf - Published Version Download (63kB)
	Text (BAB 1) Rizal_170155201036_Teknik Informatika - BAB 1.pdf - Published Version Download (190kB)
	Text (Daftar Pustaka) Rizal_170155201036_Teknik Informatika - Daftar Pustaka.pdf - Published Version Download (175kB)
	Text (Full Teks) Rizal_170155201036_Teknik Informatika - Full Teks.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Bantuan Pangan Nontunai merupakan salah satu program pemerintah yang beralih nama dari program RASTRA yang diserahkan setiap bulannya kepada keluarga kurang mampu dengan memberikan akun elektronik untuk proses pembelian bahan pangan pada pedagang yang telah ditentukan oleh pemerintah Desa yang sudah bekerja sama dengan Bank Mandiri. Pada Pemerintahan Desa Tarempa Barat Daya terdapat masalah dimana bantuan yang sampai ditangan rakyat ada yang tidak sesuai dengan yang diharapkan. Hal tersebut disebabkan salah satunya karena penentuan status keluarga miskin yang berhak menerima bantuan belum optimal, sehingga dalam memberikan bantuan kemiskinan masih ada yang belum tepat sasaran. Oleh karena itu butuh pendataan yang lebih valid terkait warga yang layak dan tidak layak untuk mendapatkan bantuan Desa, maka dalam menentukan status kelayakan penerimaan bantuan Desa dapat memanfaatkan teknik data mining. Penelitian ini bertujuan untuk memudahkan prediksi status kelayakan warga Desa dalam penerimaan bantuan Desa dengan menggunakan algoritma C4.5. Data yang digunakan adalah data warga Desa Tarempa Barat Daya yang diproleh dari Kantor Desa Tarempa Barat Daya. Variabel input yang digunakan adalah jenis kelamin, usia, status program keluarga harapan, jumlah tanggungan, jumlah penghasilan, kondisi rumah, dan status kepemilikan rumah, sedangkan variabel output yang digunakan adalah layak dan tidak layak. Data yang digunakan sebanyak 350 data, 80% untuk data traning dan 20% untuk data testing. Pada perhitungan yang dilakukan dengan menggunakan algoritma C4.5 menghasilkan sebuah pohon keputusan (Decesion Tree) dengan 32 rules. Pada pengujian yang dilakukan dengan jumlah data sebanyak 70 data testing dengan menggunakan model Confusion Matrix menghasilkan nilai akurasi 95,71%, persisi 90,62%, dan recall 100%.

Actions (login required)

View Item