IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI KELAYAKAN PENERIMA PROGRAM INDONESIA PINTAR (PIP) PADA SD NEGERI X

Abstract

Abstrak : Efektivitas distribusi Program Indonesia Pintar (PIP) sangat bergantung pada akurasi proses seleksi di tingkat sekolah. Di SD Negeri X, mekanisme penentuan penerima bantuan masih menghadapi kendala akibat proses verifikasi manual yang cenderung subjektif dan tidak efisien. Penelitian ini mengeksplorasi penggunaan teknik data mining dengan algoritma Naïve Bayes untuk mengotomatisasi klasifikasi kelayakan siswa. Atribut yang diuji meliputi indikator ekonomi dan kondisi sosial keluarga siswa yang diolah menggunakan metode 10-Fold Cross Validation. Temuan penelitian menunjukkan bahwa model Naïve Bayes berhasil mencapai tingkat akurasi sebesar 78,20%. Walaupun nilai recall (52,68%) dan presisi (53,64%) dipengaruhi oleh karakteristik dataset yang ada, penggunaan algoritma ini memberikan landasan pengambilan keputusan yang lebih terukur dan transparan. Implementasi sistem ini diharapkan dapat meminimalisir kesalahan manusia dalam identifikasi penerima bantuan sehingga penyaluran PIP menjadi lebih tepat sasaran.

Abstract: The effectiveness of the Indonesia Smart Program (PIP) distribution significantly depends on the accuracy of the selection process at the school level. At SD Negeri X, the mechanism for determining aid recipients still faces challenges due to manual verification processes that tend to be subjective and inefficient. This study explores the application of data mining techniques using the Naïve Bayes algorithm to automate student eligibility classification. The tested attributes include economic indicators and the social conditions of the students' families, which were processed using the 10-Fold Cross-Validation method. The research findings demonstrate that the Naïve Bayes model successfully achieved an accuracy rate of 78.20%. Although the recall (52.68%) and precision (53.64%) values were influenced by the characteristics of the existing dataset, the use of this algorithm provides a more measurable and transparent basis for decision-making. The implementation of this system is expected to minimize human error in identifying aid recipients, thereby ensuring that PIP distribution is more targeted.