UNBINUNBIN

Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)

Kemiskinan merupakan salah satu masalah sosial yang kompleks karena berdampak pada berbagai aspek kehidupan. Salah satu bentuk program pemerintah untuk mengatasinya adalah bantuan Rumah Tidak Layak Huni (RUTILAHU). Namun, permasalahan sering muncul karena data penerima bantuan yang tidak akurat sehingga bantuan tidak tepat sasaran. Penelitian ini menerapkan algoritma C4.5 untuk mengklasifikasikan kelayakan penerima bantuan berdasarkan variabel penghasilan, jumlah tanggungan, jenis lantai, sumber air, jenis kloset, listrik, dan luas rumah. Hasil penelitian menunjukkan bahwa model pohon keputusan yang dibentuk dapat meningkatkan akurasi penentuan penerima bantuan dengan tingkat akurasi mencapai 94,5%. Dengan demikian, penerapan algoritma C4.5 dapat menjadi solusi pendukung keputusan yang efektif bagi pemerintah dalam menentukan penerima program RUTILAHU.

Berdasarkan Hasil Penelitian yang dilakukan, kesimpulan yang bisa diuraikan antara lain.Dapat memberikan rekomendasi penentuan warga yang mendapatkan Bantuan Program Rumah Tidak Layak Huni lebih akurat dan efektif.berdasarkan hasil prediksi dengan variable Penghasilan, Tanggungan, Jenis Lantai, Sumber Air, Jenis Kloset, Listrik, Luas Rumah.5 pada sistem prediksi warga yang mendapatkan bantuan RUTILAHU, telah dilakukan uji hasil dengan menggunakan Confusion Matrix diperoleh hasil sebesar 94,5%.Dalam pembuatan aplikasi untuk penentuan warga yang mendapatkan bantuan RUTILAHU dengan metode Algoritma C 4.5, telah dilakukan uji pengguna dengan menggunakan kuisioner PSSUQ sesuai dengan kategori PSSUQ diantaranya yaitu nilai kepuasan secara keseluruhan (Overall) sebesar 85,7%, kegunaan sistem (Sysqual) sebesar 81,2%, kualitas informasi (Infoqual) sebesar 79,7% dan kualitas antarmuka (Interqual) sebesar 82,1% yang artinya aplikasi ini sangat layak digunakan.

Berdasarkan penelitian ini, terdapat beberapa saran penelitian lanjutan yang dapat dikembangkan. Pertama, perlu dilakukan penambahan data training untuk menghasilkan pohon keputusan yang lebih bervariasi dan akurat, sehingga model yang dihasilkan lebih komprehensif. Kedua, variabel status luas rumah dapat ditambahkan sebagai faktor penentu kelayakan penerima bantuan, mengingat luas rumah merupakan indikator penting dalam menentukan kondisi rumah yang layak huni. Ketiga, penelitian selanjutnya dapat mengeksplorasi penggunaan algoritma machine learning lainnya, seperti Support Vector Machine (SVM) atau Random Forest, untuk membandingkan kinerja dan akurasi dalam menentukan kelayakan penerima bantuan RUTILAHU, sehingga dapat diperoleh model yang paling optimal dan sesuai dengan karakteristik data yang ada.

  1. Penerapan Metode Algoritma C4.5 Untuk Menentukan Kelayakan Penerimaan Bantuan Rumah Tidak Layak Huni... ejournal-unbin.id/index.php/jskom/article/view/63Penerapan Metode Algoritma C4 5 Untuk Menentukan Kelayakan Penerimaan Bantuan Rumah Tidak Layak Huni ejournal unbin index php jskom article view 63
Read online
File size734.19 KB
Pages8
DMCAReport

Related /

ads-block-test