Klasifikasi Kelayakan Penerima Program Keluarga Harapan Menggunakan Algoritma Random Forest di Desa Pancakarya
Tahun 2026 · Penulis: Arie Kusuma Sumantri
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/13034
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Klasifikasi Kelayakan Penerima Program Keluarga Harapan Menggunakan Algoritma Random Forest di Desa Pancakarya
Program Harapan Keluarga (Program Keluarga Harapan/PKH) adalah salah satu program bantuan sosial pemerintah Indonesia yang dirancang untuk meningkatkan kesejahteraan rumah tangga berpenghasilan rendah. Namun, menentukan hak waris yang layak tetap menjadi tantangan karena perubahan dalam kondisi sosio-ekonomi dan keterbatasan verifikasi manual. Oleh karena itu, diperlukan pendekatan klasifikasi data yang didriven yang akurat untuk mendukung proses pemilihan penerima. Penelitian ini bertujuan untuk menganalisis karakteristik sosio-ekonomis PKH benefisia dan non-penderitaan, mengembangkan model klasifikasi penerima menggunakan algoritma Hutan Acak, mengevaluasi kinerja model, dan mengidentifikasi faktor sosio-ekonomi yang terkait dengan ketimpangan PKH. Penelitian ini menggunakan metode kuantitatif menggunakan teknik klasifikasi pertambangan data. Datanya terdiri dari 470 catatan rumah tangga yang diperoleh dari Sistem Informasi Kesejahteraan Sosial (SIKS) di Desa Pankakarya, Kabupaten Jember, termasuk 371 keluarga yang memenuhi syarat dan 99 keluarga yang tidak layak. Data preprosesing melibatkan pembersihan data, transformasi data kategorikal menggunakan Pengkodean Label, dan partisi data dalam pelatihan dan pengujian set dengan rasio 80:20. Model Hutan Acak dibangun menggunakan 100 pohon keputusan dan dievaluasi melalui matriks kebingungan, akurasi, presisi, ingat, dan F1-score metrik. Hasil percobaan menunjukkan bahwa model yang diusulkan mencapai akurasi 88,30%, mengklasifikasi 83 dari 94 contoh pengujian. Model ini mempertunjukkan kinerja yang sangat bagus dalam mengidentifikasi keluarga yang memenuhi syarat, meskipun kesanggupannya untuk mendeteksi keluarga yang tidak layak masih relatif terbatas. Selain itu, variabel sosio-ekonomis yang berkaitan dengan pendudukan, kondisi perumahan, sanitasi, lantai, bahan dinding dan atap, bahan bakar memasak, sumber air minum, dan sumber listrik ditemukan turut menyebabkan proses klasifikasi. Secara keseluruhan, temuan tersebut menunjukkan bahwa algoritma Random Forest dapat secara efektif mendukung evaluasi dan klasifikasi dari para penerima dan penyedia bantuan PKH, memberikan mekanisme dukungan keputusan yang lebih objektif dan berbasis data untuk tujuan sosial.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,855
Tahun 2026 · Penulis: Annisa Rofiffah Rochma
Klasifikasi Status Kelolosan Calon Penerima Bantuan Program Keluarga Harapan Berdasarkan DTKS Desa Menggunakan Random Forest
Kemiskinan masih menjadi tantangan bagi distribusi bantuan sosial yang ditargetkan, karena perbedaan antara populasi miskin dan keluarga penerima yang terdaftar berisiko menyebabkan penyertaan dan kesalahan pengecualian. Data Kesejahteraan Sosial (DTKS) yang T
- Cosine 0,822
Tahun 2026 · Penulis: Bagus Ilman Huda
Klasifikasi Kemiskinan Multidimensi di Provinsi Bengkulu Menggunakan Algoritma Random Forest
Kemiskinan adalah masalah sosial yang rumit yang tidak dapat sepenuhnya dijelaskan semata - mata melalui sudut pandang moneter. Oleh karena itu, pendekatan kemiskinan multidimensi digunakan untuk menggambarkan kondisi kesejahteraan rumah tangga dengan lebih me
- Cosine 0,786
Tahun 2025 · Penulis: Firda Uswatin Agustina
Fakultas Ilmu Komputer
Penelitian ini dilatarbelakangi oleh permasalahan dalam penyaluran bantuan sosial (bansos) yang sering kali tidak tepat sasaran akibat penilaian yang masih bersifat subjektif. Penyaluran bansos yang tidak objektif dapat menimbulkan ketidakadilan sosial serta m