Implementasi Data Mining Menggunakan Metode Naive Bayes Untuk Penentuan Penerima Bantuan Program Indonesia Pintar (PIP) (Studi Kasus : SD Negeri 9 Air Kumbang)
Studi Kasus pada SD Negeri 9 Air Kumbang
Abstract
Program Indonesia Pintar (PIP) melalui Kartu Indonesia Pintar (KIP) adalah pemberian bantuan tunai pendidikan kepada anak usia sekolah (6-21 tahun). KIP merupakan bagian penyempurnaan dari Program Bantuan Siswa Miskin (BSM) sejak akhir 2014 [1]. SD Negeri 9 Air Kumbang bertempatan di Jl Inpres Desa Nusa Makmur Kecamatan Air Kumbang Kabupaten Banyuasin. SD ini merupakan salah satu SD yang berada di kawasan banyuasin yang mendapatkan dana Program Indonesia Pintar (PIP). Sasaran PIP di SDN 9 Air Kumbang masih kurang tepat sasarannya, di karenakan kurangnya kriteria jumlah tanggungan, Oleh karena itu penulis menambahkan kriteria jumlah tanggungan dalam penelitian. Penelitian ini di buat berdasarkan data yang telah ada sebelumnya yaitu dengan 101 data training. Memakai metode Naive Bayes dan dengan 5 atribut yaitu Pekerjaan orang tua, Penghasilan orang tua, Jumlah tanggungan, Penerima KIP, dan Penerima KPS. menggunakan tols pendukung RapidMiner dalam pengujian keakuratan metode Naive Bayes. Hasil pengujian akurasi yang didapatkan menggunakan aplikasi RapidMiner maupun perhitungan manual diperoleh akurasi yaitu 90.00% dan klasifikasi yang dihasilkan termasuk ke dalam kelompok Good Classification karena nilai AUC yang didapatkan dari pengujian berdasarkan kurva ROC menggunakan metode Naive Bayes sebesar 0.860. Jadi, dapat disimpulkan bahwa Algoritma Naive Bayes dapat diterapkan untuk penentuan kelayakan penerimaan program indonesia pintar pada siswa SD Negeri 9 Air Kumbang.